摘要
一种基于深度学习模型融合的步态子相位预测方法和装置，所述方法包括：同步采集穿戴者在多种速度下行走的多源步态数据；对收集到的多源步态数据进行预处理，并采用滑动重叠窗口技术划分时间窗口，基于双标签构建监督学习训练数据集；层级融合CNN、Bi‑LSTM及MHA，构建步态子相位预测模型；利用贝叶斯优化算法自动化搜索最优超参数组合；定义稳定预测时间（Pstable）指标，结合经典指标，通过逐一受试者剔除交叉验证和速度迁移鲁棒性实验，全面评估模型性能；基于Simulink平台构建模块化步态子相位预测系统架构，集成多线程缓冲机制实时处理数据流；固化模型参数至在线推理模块，动态输出预测结果。
