人體動作和路況的快速準確識別是實現智能假肢自主控制的基礎與前提。本文提出了一種基于假肢（下肢）慣導信號的高斯混合模型（GMM）和隱馬爾可夫模型（HMM）融合的人體動作和路況識別方法。首先，使用慣性傳感器采集膝關節處 x、y 和 z 軸方向上的加速度、角度和角速度信號，然后用時間窗截取信號段并用小波包變換消除信號的抖動噪聲；接著對預處理后的信號進行快速傅里葉變換，提取其系數作為特征值；隨后對特征進行主成分分析（PCA），去除冗余信息；最后采用高斯混合模型和隱馬爾可夫模型進行假肢動作和路況識別。試驗結果表明，本文方法對常規的動作（散步、跑步、騎行、上坡、下坡、上樓梯和下樓梯）的識別率分別達到 96.25%、92.5%、96.25%、91.25%、93.75%、88.75% 和 90%。同等試驗條件下，將本文方法與常規的支持向量機（SVM）識別方法進行比較，結果顯示本文方法的識別率明顯較高。本文研究結果或可為智能假肢的監測和控制提供新的思路和途徑。