针对一种下肢柔性助力机器人,开发了一种基于航姿参考模块(attitude　and　heading　reference　system,AHRS)设计的人体下肢运动学信息采集系统.该系统的AHRS具有体积小、功耗低的特点,便于通过绑带与人体保持紧致连接,并且能够长时间穿戴,AHRS的设计融合了卡尔曼滤波算法(Kalman　filter,KF)以提高数据的精度,多通道的数据通过ZigBee技术组建的无线传感器网络进行通信,并传输至上位机.然后,建立人体下肢运动学模型,推出AHRS测量角度和人体下肢姿态角度转换关系.同时,考虑在人体不同的步态活动下机器人助力的情况不同,设计了决策树分类器以对不同的步态活动进行识别分类,进一步地协助下肢柔性助力机器人对人体进行有效助力.在多种步态活动下,通过将该系统所采集的数据与Vicon系统采集的数据进行对比可知,该系统所采数据具有较高的精度,也验证了系统具有良好的稳定性及可靠性,另外利用大量的步态数据训练决策树分类器,并通过对未知步态活动进行的分类实验验证了步态识别的准确性.