Actualmente, existe interés en aplicar tecnología como exoesqueletos y unidades de medición inercial (IMUs) para apoyar en el proceso de rehabilitación físico-motora. La marcha se divide en las fases de apoyo (FAP) y balanceo (FBP) (Cárdenas & Molina, 2021), subdivididas en contacto inicial (CI), apoyo inicial (AI), apoyo medio (AM), apoyo final (AF), pre-balanceo (PB), balanceo inicial (BI), balanceo medio (BM) y balanceo final (BF). Este estudio desarrolla un algoritmo en MATLAB que detecta las subfases de la marcha para cada pierna utilizando tres IMUs para medir la aceleración lumbar y del muslo izquierdo y derecho. El algoritmo primero elimina la tendencia lineal de las mediciones y usa un filtro Butterworth pasa-bajas de cuarto orden con una frecuencia de corte de 7 Hz para analizar los componentes representativos de la marcha. Después, se usa la CWT para aproximar la primera y segunda derivada de las señales y se emplean sus mínimos y máximos para detectar las subfases de CI, AF, PB, BI y BM. En la marcha continua en sujetos sanos sobre suelo, los porcentajes de las subfases respecto al ciclo de la marcha fueron para la pierna derecha de 36% para AF, 53,1% para PB, 62,6% para BI y 78,1% para BM, con valores similares para la pierna izquierda y un total de 60,4±4,9% para FAP y un 39,6±4,9% para FBP, lo que concuerda otros estudios (Herrero, A., 2017). A futuro, se desea extender el algoritmo para detectar las subfases restantes (AI, AM y BF) y se espera que esta detección permita personalizar la asistencia con exoesqueletos a usuarios con discapacidad motora.