情境感知是普适计算中一项重要的研究内容，有着极大的应用前景，可广泛应用于各种服务和应用，如医疗监护、智能家居/办公、社交网络、商业推荐等方面。其中，基于移动终端平台的情境感知技术因其适用范围广、无需其它硬件设备、实用性强等优点，已成为目前普适计算领域的热点研究问题。　　 本文利用手机平台，采用机器学习方法，对基于局部环境动态蓝牙信息的情境感知问题进行了深入的研究。目前，位置感知和行为感知是基于移动终端情境感知中的两个核心问题。对于位置信息，现有的方法局限于挖掘用户停留时间较长的某个具体地点，但无法描述这是什么类型的地点，如“办公室”、“餐厅”、“超市”等，即该地点的语义情境信息。另一方面，即使掌握了用户的运动模式，但由于处于同一运动状态时，其周围环境也可能有非常大的差异，从而使得系统很难获取用户的真实情境。以上这些都严重限制了移动情境感知技术的实际应用。　　 直观来看，不同情境间的一个主要区别，在于周围环境的动态信息。因此，如果能够通过移动终端实时获取这些信息，则能够很好的服务于情境感知计算。然而，现有的技术大多基于静态的无线信号(如GPS、GSM、WiFi)，得到的是对所处环境的静态描述，没有捕获其它的动态情境信息，特别是周围的人员状况。因此，本文的工作目的就是希望能够获得并利用以上动态情境信息，服务于移动感知应用系统。　　 蓝牙是一种极其普及的无线通信技术，广泛安装于各种移动设备中。由于它能够查询周围的蓝牙设备，因此可以被用作邻近信息传感器。本文利用移动终端内置的蓝牙模块，通过分析周围蓝牙设备的数量和变化规律，挖掘用户局部环境的动态信息，继而推断用户所处情境的语义信息。论文具体包含以下三方面工作：　　 首先，本文建立了基于局部动态蓝牙信息的情境分类模型。本文通过观察周围蓝牙设备的出现规律，提取新型动态蓝牙信息特征，并基于机器学习算法，进行分类模型训练。本文针对六种典型情境，建立了情境分类模型，平均准确率可达87.1％。　　 其次，本文提出了一种基于监牙轨迹的情境推断算法。本文进一步将建立的分类模型运用到实际采集得到的连续蓝牙轨迹当中，以推断真实生活中的情境事件，分析用户的日常行为。为此，本文实验中采集了3位用户4个星期的真实蓝牙轨迹数据。在情境分类模型基础上，本文提出了基于滑动窗口和上下文约束的情境推断算法。实验证明，在一定条件前提下，本文所提出的方法不需要借助任何额外信息，仅基于动态蓝牙信息即可正确推断出超过90％时间中用户所处情境的语义信息。　　 最后，本文总结了动态蓝牙信息在移动情境感知研究中的价值和特点。并将蓝牙与GSM、WiFi进行对比研究，得到不同RF信息在移动感知计算中的应用特性。同时，本文也初步探讨了蓝牙与其它RF信息的融合工作。