低成本、易实施、无接触式的步态信号采集与分类平台可为步态的定量评估、智能诊断提供新的研究路径与参考思路。应用改进经验模态分解(empirical　mode　decomposition,　EMD)结合Bagging正则化共空间模式(Bagging　regularized　common　spatial　pattern,　BRCSP)与Fisher线性判别分析法(Fisher　linear　discriminant　analysis,　FLDA)设计了步态信号采集与分类平台。该平台将采集到的步态信号通过改进EMD进行滤波，抑制高频干扰噪声，提取真实、有用的本征模态分量(intrinsic　mode　function,　IMF)进行信号重构，从而得到包含完整、准确步态信息的信号；再通过BRCSP特征提取方法强化步态信号的个体差异性及共同特征，提取出显著的特征分量；最后应用FLDA方法将特征向量映射到低维度空间中并进行步态分类。实验结果表明，该平台能准确分类进入红外、激光检测区域内的不同步态，平均分类准确率达到96.6%。