針對人體下肢不同步態過程的個體差異和行走過程中步幅隨機變化等問題，本文提出一種利用運動姿態信號進行步態識別與預測的方法。研究采用基于免疫粒子群算法（IPSO）優化門控循環單元（GRU）網絡算法，建立以人體姿態變化數據為輸入，以下一階段姿態變化數據及準確率為輸出的網絡模型，以期實現對人體姿態變化的預測。本文首先明確概述IPSO優化GRU算法的過程，采集多名受試者分別執行平地行走、蹲起、坐姿腿屈伸等動作的人體姿態變化數據，通過對比分析IPSO優化的循環神經網絡(RNN)、長短期記憶網絡(LSTM)、GRU網絡識別與預測情況，以驗證所建模型的有效性。試驗結果顯示，優化后的算法可較好預測人體姿態變化，其中平地行走和蹲起動作的均方根誤差（RMSE）可精確到10?3，坐姿腿屈伸的RMSE可精確到10?2；各種動作的R2值均可達0.966以上。以上研究結果表明，優化后的算法可應用于實現康復治療中人體步態運動評價和步態趨勢預測、假肢和下肢康復設備設計等研究，對今后提高患者肢體功能、活動水平和生活獨立能力的研究提供參考。