座椅已成为人们日常生活水平不可缺少的工具。随着人们工作时间的增加,人们保持坐姿的时间越来越长。因此,对于研究坐姿的分类识别已成为人们研究的重点。本文采用基于传感器技术采集坐姿信息,通过数据处理的方法对坐姿进行识别。本文主要对人体-座椅面接触压力的测量进行介绍,并且阐述了传感器的布置位置。对采集的数据进行了实时存储,以便数据可以适用于后续的分析。在此基础上,应用时域分析和频域分析对数据进行处理。时域分析主要包括计算数据的均值、方差、零点穿越,以此来比较采集到的压力数据以及坐姿信息。并且对不同坐姿进行大量实验,通过提取其时域特征来区分不同坐姿。但有时不同坐姿的时域特征依然有重叠的部分。因此,在时域分析的基础上对接触面的压力进行频域分析。其主要方法是应用快速傅立叶变化对接触面压力数据进行处理来比较区分坐姿。时域分析以及频域分析可以区分坐姿,但识别率仍然存在较大的误差。本文应用支持向量机算法对实验样本进行训练,利用提取的时域特征以及频域特征对不同坐姿进行区分。以此来提高识别率,减小错误识别对使用者带来的危害。通过不同实验者的数据采集,提取其相应的时域特征以及频域特征,完成对支持向量机的样本训练工作。并且使用样本的时域特征和频域特征分别对分类器进行训练,比较不同特征值训练样本的结果。分析不同特征值训练样本的分类结果有无差别的原因。最后结合分类结果不同的原因再次进行实验,验证分类结果的正确性。