外骨骼系统是以人为中心的人机系统，将人的智能与机器的力量结合在一起，通常设计成一种外部机械结构，其关节设计与人体四肢的关节位置相对应，能明显增强人的身体机能，既提高了机器系统的智能化程度，又增强了人的操作能力，大大提高了人机系统的性能。外骨骼机器人的平稳行走是实现其助力和康复治疗的关键，而实现这一功能的重要因素之一就是准确的步态相位检测，本文主要围绕外骨骼机器人步态检测展开研究，主要工作内容如下：

（1）搭建了外骨骼运动数据采集系统。分析人体行走过程中下肢关节的变化规律，在足部的脚跟和脚掌处各安放一个足底压力传感器，在膝关节和髋关节处安装角度传感器，用于测量行走过程中足底压力和关节角度变化。对步态数据进行预处理，分析其在运动过程中的规律，将一个完整的步态周期划分为脚跟着地、平地站立、脚跟离地和摆动态，并对这四个步态子相位进行检测。

（2）采用支持向量机(Support Vector Machine, SVM)作为步态检测方法，并使用有限状态机(Finite State Machine, FSM)对步态检测结果进行纠错。根据采集的步态传感器信息，使用k-means算法进行聚类分析，生成四个步态相位的参考模板，采用欧氏距离(Euclidean Distance, ED)、动态时间规整(Dynamic Time Warping, DTW)和SVM三种算法完成步态相位检测。ED法在面对不同序列长度差异问题时存在一定的误差，DTW法运算量大且运行时间长，而SVM法可以同时兼顾准确率与检测速度，因此，采用SVM作为步态检测的主要方法。根据FSM的状态转移特点，使用FSM解决步态相位检测出错问题，识别异常步态并完成步态检测纠错，从而实现步态相位的可控转移，提高步态检测可靠性。

（3）优化了SVM算法。SVM的惩罚因子C和核函数参数g的选择会给实验结果带来一定的影响，而随机选择的参数一般无法达到高准确率的要求，因此，本文通过改进的鲸鱼优化算法(Improved Whale Optimization Algorithm, IWOA)对SVM的参数进行优化，选择最合适的C和g用于检测步态相位。首先使用遗传算法(Genetic Algorithm, GA)算法改进标准鲸鱼优化算法(Whale Optimization Algorithm, WOA)，在WOA中引入GA的选择、交叉、变异运算，进而去优化SVM的惩罚因子C和核函数参数g，再使用参数优化后的SVM检测步态子相位。

通过对比基于遗传优化算法的支持向量机(GA-SVM)、基于粒子群优化算法的支持向量机(PSO-SVM)、基于鲸鱼优化算法的支持向量机(WOA-SVM)方法，分析不同穿戴者的步态检测结果发现，本文提出的方法检测准确率可达98.8%，在收敛速度、寻优精度、步态检测准确率上均具有一定的优越性。