随着移动智能终端和无线通信技术的快速发展,基于位置的服务日益成为无线移动通信不可或缺的一种增值服务。传统的基于位置服务通常划分为室内、室外两种场景,而位置服务中地点和环境的切换(特别是室内外场景的切换)为移动应用上层在进行室内、外应用选择上提供了重要基础信息之一。但是,智能终端的多样性以及能耗限制等问题给室内外识别应用带来很大挑战。本论文设计了一个普适性强且准确度高的室内室外检测系统,该系统利用Android平台提供的通用轻量级感知组件所提供的服务,实现稳定、准确、高效的室内/室外环境检测。各种感知组件主要包括智能手机集成的各种低能耗传感器资源,比如光传感器、磁传感器、气压传感器、加速度传感器和陀螺仪传感器等。为了满足普适性室内外场景检测要求,本系统无需环境先验知识,仅使用主流智能手机集成的常用传感器。通过挖掘室内外场景传感器的不同特征,该系统构建了基于不同传感器的多个室内外场景检测子模块。论文提出了两种室内外场景识别算法,一种采用基于贝叶斯概率投票策略,对每个室内外场景检测子模块的室内外判定结果进行基于置信度的融合。为提高室内外场景切换过程中场景检测的准确性,采用基于室内外场景判定置信度的GPGSV调度机制,不仅降低了功耗和室内外场景识别延时,而且提高了场景识别精度。此外,本文把Adaboost分类器应用于场景识别,直接使用挖掘的室内外场景特征进行无状态分类。为减少无状态室内外场景检测可能存在的偶然误差,论文引入了隐马尔科夫模型(HMM)对无状态结果进行过滤(将无状态检测结果作为观测状态),将隐藏状态作为检测结果,进一步提高室内外场景检测准确率。本论文提出的基于上述算法的室内外场景检测算法已在安卓手机平台上设计并实现,在多个不同场景及气象条件下的测试结果表明,本文所提的室内外场景检测算法准确度可达95%,静态功耗5mW,验证了算法的有效性。