本文研究了基于手机传感器的,面向行人的,应用于楼宇内的位置追踪算法及行人运动模式识别技术。对于行人室内位置追踪,使用了手机的惯性传感器以及环境WiFi信息,设计并实现了行人的同步轨迹图建立与定位。同步轨迹图建立与定位中,使用手机三轴加速度计进行行人的步态检测,对行人的走步进行识别,记录行人每一步的起止时间。基于手机三轴陀螺仪,使用四元数的方法进行手机姿态解算,获得手持手机的行人的行进方向。研究了一种新颖的WiFi地标策略,根据WiFi信号的强度变化趋势进行地标的生成,减少了因环境复杂和WiFi接收装置差异引起的误差。基于粒子滤波的方法,将使用手机三轴加速度计、三轴陀螺仪推算的行人步态信息和行进角度作为驱动,在行人的行进过程中自动检测和生成WiFi地标并嵌入到栅格底图。利用粒子与WiFi地标的距离作为粒子滤波的后验信息,实现WiFi地标与行人运行轨迹的相互调节,在不需要任何建筑结构先验知识的情况下,实现了行人轨迹图建立与定位。实验结果表明,该算法可以有效地控制陀螺仪无边界的误差积累,实现行人运动轨迹与真实轨迹较好的拟合,误差不超过5m。快速定位算法的设计,主要包括楼宇楼层的自动识别与针对每层的位置坐标预测。基于同步建图与定位产生的数据,使用机器学习的方法进行模型训练。其中楼层自动识别,利用采集到的每一层的WiFi信息的差异,使用逻辑回归的方法,构建分层模型,利用实时的WiFi信息对所处楼层做出准确判断。对于已经建立了行人轨迹图的每一层,使用该层的位置信息与WiFi信息,将其自动划分为大小均等的格子,使用支持向量机的方法,训练行人所属格子的预测模型。基于该模型,利用实时的WiFi信息,预测行人的位置坐标。对于行人运动模式的识别,设计并实现了一种基于手机惯性传感器和机器学习分类器的识别算法。在多种运动状态下,对其惯性数据进行采集和标记,根据采样数据的变化规律,提取运动特征。使用机器学习的方法,训练分类模型,预测人体运动模式,实现了静止、行走与跑步三种运动模式的识别。