近年来,随着科学技术发展的日新月异,行为识别作为一个热门话题,受到越来越多的关注,行为识别技术也在多个领域得到了广泛的运用。随着互联网信息技术的发展,智能手机也走进了大众的生活。基于智能手机行为识别成为该领域的研究热点之一。相比于传统的行为识别方式,智能手机更加灵活、便捷,但同时它也存在着诸多限制和挑战。本文基于对已有的智能手机行为识别的思考,主要针对设备位置对智能手机行为识别的影响问题进行深入研究,主要研究内容包括:(1)研究现有的智能手机行为识别方案,考虑行为识别过程中设备方向情况,通过坐标转换方式消除设备方向多样性引起的原始传感器数据差异;提取设备位置敏感的特征建立决策树分类模型,识别出设备佩戴的位置信息。(2)通过分析相同行为在不同位置的传感器数据信号的差异,提取与位置无关的运动特征用于识别行为;同时分析研究不同位置的数据特征,将识别出的位置信息作为参数,对位置敏感的运动特征数据进行参数调整,从而减小不同设备位置之间的运动差异,达到高效准确的行为识别的效果。(3)分类模型作为行为识别的重要决定因素,本文研究了多种分类模型的识别效果,分析和选择了效果最佳的支持向量机(SVM)作为最终的决策模型用于行为识别;从能源利用率考虑,在客户端采用动态数据传送的方式节省能源,通过在客户端先一步阈值判断,达到节省能源的目的。实验证明,本文提出的相关方案能够很好的解决设备位置对智能手机行为识别的影响问题,达到较高的识别准确率,位置识别率为93.76%,行为识别率高达91.27%,在高效识别用户行为的同时也达到了节省能源的效果。