步态是一种全新的生物特征,具有稳定、唯一和不易伪造的特点。步态识别在身份验证、运动状态分析以及医疗等方面有着重要的研究意义。一般的步态识别的研究都是基于图像序列来完成的,而基于步态加速度序列的步态识别的研究是一种比较新的方向。现在随着科技时代的飞速发展,人们生活随处可见的智能手机越来越多的集成了各种传感器。因此,如何结合手机的这些传感器和步态识别相关技术来提高人们的生活质量和安全系数成为了一个新的问题。对加速度数据校正和预处理方式进行了改进,通过将从手机获取到的加速度数据与方向数据进行结合并进行向量分解操作,将采集到的手机坐标系的加速度数据通过改进的公式转换成人们正常生活的标准坐标系中,这种改进不仅对数据做了校正,同时最大程度上保证了每个方向上加速度数据表达的特征的原意。然后通过使用db5小波函数对矫正后的数据进行了2至3层分解,对数据进行去噪和平滑操作,将数据的周期性最大限度的体现出来。接着提取了包括步幅、步速、步频、标准差和峰度在内的5个特征值来进行步态识别,同时提出了一种基于多特征值的kNN分类的改进算法,分别对特征值从纵向和横向进行了权重分配,借鉴了一些机器学习相关的思想。最后通过实验验证了包括步数统计、转向判断、运动状态识别以及身份识别的正确率。其中步数统计误差控制在了1步左右,转向判断准确率则接近95%,而判断静止、走路以及跑步的准确率达到了90%以上,但对上下楼的判断准确率只在80%左右,最后对于身份识别的准确率最优时达到了87.6%,比使用传统的分类算法提高了4.8%。由此可见,基于手机多传感器的步态识别是可行的,并且也拥有着广阔的前景,不仅可以记录生活的点滴,还能验证身份提高安全系数。