当前地形识别和分类的主要技术建立在视觉基础上的，虽然视觉的识别准确率很高，但视觉方法容易受障碍物遮挡，而且对光线的依赖性很大。基于振动的方法不受光线和障碍物的影响，因此应用振动方式的地形识别和分类有着重要意义。马尔可夫链方法在描述自然过程方面非常优秀，在很多领域都有着重要的应用，并有很高的实际价值，所以，本文尝试将马尔可夫链方法应用于地形识别和分类中。首先，通过移动机器人的地形穿越实验获得原始实验数据，对数据进行前期处理之后得到分段数据序列文件。其中，介绍了用于振动数据采集的自治移动机器人，简要介绍了机器人的结构和控制。然后介绍了地形振动数据采集的实验方案，包括实验内容，环境条件和仪器。最后重点论述了实验数据的处理，实验数据的特征提取，为应用马尔可夫链做好前期准备。其次，应用马尔可夫链进行地形识别和分类，得到预测识别的结果。研究了马尔可夫链预测方法与步骤，确定样本的分级方法，应用三种马尔可夫链方法进行预测识别。主要采用两种预测方式，固定样本长度和动态样本长度的预测识别方法。对所有的地形振动数据的特征文件进行处理。并对结果进行统计，得到不同特征，不同速度，不同位置的数据的统计表格。最后，通过马尔可夫链对地形振动特征序列的预测识别结果的对比分析。分别对不同特征，不同传感器方向，不同行驶速度，不同地形还有不同马尔可夫链预测识别方法的预测识别结果进行统计分析，并对结果进行评价。发现特征“均方值”的识别准确率较高，传感器方向z（垂直于地面的方向）的振动数据更有利于识别分类，动态样本测试方式和绝对马尔可夫链方法识别分类效果更好。得到最佳的平均准确率达到85%。马尔可夫链方法应用于地形识别和分类有一定准确性，通过实验和测试找到主要的特征，关键的传感器位置，较好的预测识别方法。但也发现其对地形和速度有一定的依赖性。马尔可夫链应用于地形识别和分类可以进一步研究。