由前庭功能紊乱导致的眩晕症作为第三大临床就诊症状,严重影响人们的正常生活。眩晕症的临床表现为站立不稳、身体自发倾倒、恶心、呕吐等。目前,临床常用的前庭功能检测方法包括视频头脉冲检查、动态视敏度试验、眼震电图检查和冷热水试验等,这些方法存在操作复杂、检测时间长且仅能检测静态前庭功能等问题,同时在检测过程中患者极易产生头晕、恶心、呕吐等不适症状,增加患者痛苦;另一方面,相关检测仪器安装需要较大空间、安装固定后不易移动,而且成本和维护费用高,加大了患者医疗负担。基于现代科学技术,探寻一种简单、快速、经济且准确的动态前庭功能检测新方法,构建前庭功能识别模型,为临床提供计算机辅助检测手段,具有十分重要的临床意义和社会价值。前庭功能紊乱的临床表现为眩晕和平衡失调等。姿态信号可以反映出人体在行走过程中的平衡状态,进而反映人体的前庭功能状况。本文把惯性传感器引入前庭功能检测,基于动态步态指数中的8种行走方式获取人体姿态信号,并通过特征提取建立特征矩阵,特征评估得到最优特征子集,利用集成学习方法构建了前庭功能识别模型,最后设计前庭功能辅助检测平台,实现了前庭功能的即时检测。本文主要研究内容如下:（1）基于惯性传感器的人体姿态信号采集。设计了一种基于信号采集终端的数据获取方案,其中,信号采集终端由惯性传感器和蓝牙模块组成。采集了 45名前庭功能紊乱患者和30名健康对照者在8种行走方式下的人体姿态信号。其中,惯性传感器由三轴加速度计、三轴陀螺仪和三轴磁力计组成,动态步态指数中的8种行走方式包括正常速度行走、变速行走、行走中头部水平转动、行走中头部垂直运动、行走中转身和停止、行走中跨越障碍物、行走中绕过障碍物、上下楼梯,以便获得尽量多的姿态信息。（2）人体姿态信号的处理与特征子集的构建。对信号进行单位换算与合信号处理后,采用最小二乘平滑滤波去除了噪声。基于预处理后的信号,提取了时域、频域和非线性特征,其中时域特征包括均值、方差、均方根、偏度和峰度,频域特征包括直流分量和信号能量,非线性特征包括样本熵和模糊熵;然后采用Relief算法对特征集进行了评估,得出各特征的重要程度,按照不同特征权重对特征赋值,得到了最优特征子集。（3）前庭功能识别模型的构建。采用网格寻优和十折交叉优化算法构建了基于集成学习的前庭功能识别模型。该模型选择支持向量机和随机森林作为元分类器,再利用支持向量机融合元分类器,然后基于组合信号特征对前庭功能进行了识别。（4）辅助检测平台的设计与实现。本文设计了基于惯性传感器的前庭功能辅助检测平台,平台由登录模块、数据接收模块、信号实时显示模块、检测结果和报告输出模块等功能模块组成。经测试,该平台能够初步实现前庭功能的实时准确检测,优化完善后可以用于前庭功能的临床辅助诊断。