传感器、无线通讯和微电子等技术的进步和相互结合,推动了无线传感器网络在智能环境等众多领域的快速发展。在智能环境应用中,如智能家庭、智能办公室等,利用传感器网络识别用户的行为,并根据识别的行为类型为用户提供各种智能化的服务成为众多研究问题中的核心问题之一。然而,由于人体行为的复杂性,单个物理传感器往往难以准确的识别用户的行为。因此,研究如何利用多种传感器数据进行数据融合,准确识别用户行为成为智能环境领域的一个重要研究问题。本文提出了一种基于无线传感器网络和概率融合的行为识别方法,通过对多个传感器数据分别建立识别模型,得到每个传感器对每种行为识别的概率,然后利用Dempster-Shafer证据理论对多个识别模型的概率输出进行概率融合,得到了比单个识别模型更准确、稳健的识别结果。本文的主要工作包括:1.提出了基于无线传感器网络和概率融合的行为识别系统框架。该框架从底层开始,由传感器节点采集数据,通过网关节点,发送给终端计算机。终端计算机收集到不同的数据后,进行数据预处理,特征提取等操作,然后通过分类识别和融合,得到最终的行为识别结果。2.分析研究了数据挖掘和数据融合在人体行为识别系统中的应用。这一部分是本文的核心内容,主要研究了基于支持向量机和D-S证据理论的融合。采用合适的概率估计算法,支持向量机能够较好的得到概率输出值,作为D-S证据理论的数据输入。同时,对于D-S证据理论组合公式,采用了改进的算法,使得时间复杂度大为降低。。3.在真实数据的基础上,本文对所提出的识别方法进行了验证,实验结果表明,本文提出的基于无线传感器网络和概率融合的行为识别方法可以融合多个传感器的数据,比较准确的识别用户行为,能提高识别系统的有效性和可行性。