我国有数量庞大的残疾人群。康复下肢外骨骼机器人的研究和应用有望为解决失能辅助、康复问题提供技术手段,目前已被广泛应用于步态康复领域。步态规划是设计下肢外骨骼机器人中的一个重要问题。目前,下肢外骨骼机器人的步态规划大多采用提前设计的固定的步态模式。其局限性在于难以适应由于个体差异造成的不同穿戴者的步态差异。因此,个性化的步态模式规划在下肢外骨骼机器人应用于步态康复治疗过程中至关重要。针对这一问题,本论文的目标是通过建立一种新颖的个性化步态模式预测模型,通过预测下肢关节角度曲线,实现个性化的下肢外骨骼机器人步态规划,从而提升人机耦合性,促进下肢外骨骼机器人的康复治疗效果。具体的,本研究提出了一种基于LASSO（Least Absolute Shrinkage and Selection Operator）回归算法的个性化步态参数预测模型。这一模型将基于人体测量学参数,通过傅里叶变换和LASSO回归模型,建立不同速度下行走时踝、膝、髋关节在矢状面的关节角度周期曲线的预测模型。具体的,本研究内容包括,设计运动生物力学实验,采集人体测量学参数和行走时的运动学指标;通过傅里叶变换,将不同速度下行走时的踝、膝、髋关节的矢状面角度曲线转化为离散的步态参数;再建立基于人体测量学参数的LASSO回归模型,对上述离散步态参数进行训练,确定模型参数,得到准确的、且泛化程度高的步态参数预测模型;最终,将预测出的离散步态参数经过反向傅里叶变换,重构出踝、膝、髋关节的步态周期角度曲线,并验证上述模型的泛化程度和准确性。本研究的具体工作包括:（1）通过运动生物力学实验,获得了120名不同体型受试者的16个人体测量学参数,和在6种不同速度下水平直线行走的髋、膝、踝关节在矢状面随时间变化的步态周期曲线。（2）通过傅里叶变换,将关节角度曲线转换为由11个傅里叶系数组成的离散向量,并与现有的基于自编码神经网络的方法进行了对比,确定了基于傅里叶变换方法的准确性。（3）设计了基于LASSO回归算法的个性化步态参数预测模型。利用相关系数、平均绝对误差作为评估指标,交叉验证作为验证方法,将预测的步态参数经傅里叶反变换得到的步态周期曲线与原始曲线进行了比较,并将实验结果与现有的高斯过程回归和支持向量回归模型进行了对比,验证了该模型的有效性。研究结果表明,本文针对现存下肢外骨骼机器人难以适应不同穿戴者在不同步态模式康复训练的问题,提出的这种新颖的、低计算成本的个性化步态模式预测方法切实可行。这一方法不仅可以应用在康复型下肢外骨骼技术的开发,实现个性化步态模式规划,还将有效的提升穿戴者与下肢外骨骼机器人之间的人机耦合性,优化康复治疗的效果,因此具有很高的应用价值。