1.一种基于多模态传感器的疲劳步态模式识别方法，其特征在于：所述方法基于多模态传感器采集多模态传感数据，预处理后进行步态分割，基于预处理后的多模态传感数据，按照步态周期顺次划分步态相位，对任一步态相位内的多模态传感数据的每个维度分别进行归一化处理，获得用于表征步态的多维特征；获得步态分割后的数据样本，包括多模态传感数据及对应的数据特征；

构建改进的特征融合模型，以数据样本进行训练至模型稳定；所述改进的特征融合模型包括顺次连接的深度卷积神经网络、改进的DR‑SE模块、特征融合模块和分类模块；所述深度卷积神经网络包括分别对应不同模态数据的并列的卷积层、所有的卷积层连接至平均池化层和批归一化层；

所述改进的DR‑SE模块包括顺次连接的降维层和SE模块；

所述批归一化层的输出端连接至降维层的输入端；

批归一化层的输出与SE模块的输出相加后输入特征融合模块；

采集多模态传感数据，预处理后输入训练后的模型，输出疲劳步态模式识别结果。

2.根据权利要求1所述的一种基于多模态传感器的疲劳步态模式识别方法，其特征在于：所述多模态传感数据包括肌肉运动数据、足底力学数据和足部运动数据。

3.根据权利要求2所述的一种基于多模态传感器的疲劳步态模式识别方法，其特征在于：以低通滤波器和高通滤波器的并联滤波电路处理所述肌肉运动数据、足底力学数据和足部运动数据，足底力学数据和足部运动数据通过低通滤波器滤波，肌肉运动数据通过高通滤波器滤波；将并联滤波电路处理后的数据对齐，得到预处理后的多模态传感数据。

4.根据权利要求1所述的一种基于多模态传感器的疲劳步态模式识别方法，其特征在于：所述多维特征包括时域特征、步态不规则性特征、步态对称性特征、统计特征、非线性特征。

5.根据权利要求1所述的一种基于多模态传感器的疲劳步态模式识别方法，其特征在于：所述特征融合模块包括顺次连接的卷积层、激活函数层和最大池化层；

分类模块包括全局平均池化层、全连接层、Sigmoid激活函数、动态阈值分类层。

6.一种基于多模态传感器的疲劳步态模式识别设备，其特征在于：所述识别设备包括：

2组多模态传感器，用于采集多模态传感数据；

一同步收发装置，用于将配合的2组多模态传感数据对应后进行发送；

控制器，用于获取同步收发装置发送的多模态传感数据并以权利要求1 5之一所述的~基于多模态传感器的疲劳步态模式识别方法进行疲劳步态模式识别。

7.根据权利要求6所述的一种基于多模态传感器的疲劳步态模式识别设备，其特征在于：任一所述多模态传感器包括压力传感器、惯性传感器及若干肌电传感器，配合压力传感器、惯性传感器及若干肌电传感器设有数据采集模块和充电模块。