随着智能移动设备和普适计算等技术的发展,在日常生活中,移动终端扮演的角色越来越重要,在商业、医疗、便捷生活等方面突显价值。尤其是移动终端内置的丰富传感器在人体行为识别和室内定位方面体现出了巨大的使用价值,给人们的生活带来了舒适便捷。使用移动传感器进行人体行为识别一直是传感器数据处理、模式识别领域的研究热点。传感器数据往往存在着多种动作数据难以区分的情况,特别是走、上楼和下楼这三个动作数据非常相似,正确识别这三种人体动作具有较大的难度。本文根据以上问题提出一种基于特征增强与决策融合的行为识别方法,通过增强部分特征值和融合多个分类结果来区分走、上楼和下楼这三种难以区分的相似动作。实验结果表明,该方法可以有效克服由于传感器数据的相似性而带来的行为动作识别率低,识别误差大等弊端,从而提高行为识别率,并且在实际应用中展现出了良好的实时性。针对现有以航位推算为基础的室内定位算法累积误差大、定位精度较低等缺点,提出一种基于地图信息和位置自适应修正的粒子滤波目标定位方法。该方法利用已知的室内地图信息在定位过程中控制粒子的生灭,在重采样过程中根据粒子退化情况对补偿粒子的位置进行自适应调整,从而修正目标位置。实验结果表明,该定位方法克服了航位推算算法的累积误差问题,有效提高了定位精度。在基于移动终端的人体行为识别和目标定位算法的研究基础上,设计并实现了一个行为识别和室内定位系统,在实际的应用中验证方法的可行性和实效性。