顾客的购物时浏览商品的时空数据对于商家进行商业决策具有重要的参考价值。在电子商务中,商家通过记录顾客购物时的浏览记录,可以分析和推测顾客的偏好和习惯。利用这些数据,商家可以充分挖掘顾客的潜在需求,为顾客提供个性化的推荐服务,同时也便于商家及时调整营销策略与手段,极大地减小了商业风险。然而在线下实体购物场景中,还没有一个有效的方法来识别和收集顾客的购物信息。因此,研究与应用线下购物过程中的信息感知技术具有重要的应用前景。本文利用商场已有的无线基础设施,分析无线信号传输特性,设计了并实现了一套线下购物信息收集识别方案,实现了一个原型系统。本课题的主要创新点和工作内容如下:改进了现有基于CSI信道状态信息的位置指纹生成方案。该方案充分利用无线传输过程中的CSI信道状态信息的多径成分,同时考虑了信号的空间特性和频率特性,在缩减数据维度的同时保证了位置指纹的准确性。提出了一种基于动态位置指纹时间序列相似性的室内定位方法。与现有通过提前采集静态无线信号位置指纹信息来实现定位的方法不同,该方法采集目标与参考点同一时刻的无线信号特征信息,利用新的位置指纹生成方案生成CSI动态位置指纹时间序列。通过DTW(Dynamic Time Warping)来评估位置指纹时间序列的相似性来实现定位。实验证明该方法在复杂的商场室内环境中,能够保持较高的精度和准确性。提出了一个顾客线下购物浏览位置信息识别与收集原型系统。该系统利用本文提出的室内定位方法,在人流量不高的情况下,识别出顾客购物时的基本运动特性,如行走、驻足等;同时该方案关联分析多个监测点的数据,描绘出顾客购物时的大致运动轨迹。在人流量较大的环境下,采用k-mediods聚类算法对无线覆盖范围内的信号进行分析,识别出顾客聚集的热点区域。本文进行了一系列实验来验证以上算法及方案,设计并实现了一个顾客购物信息识别与收集原型系统。实验结果表明,该系统可以在定位上实现0.9米的精度,在运动状态及热点区域识别上达到了85%的准确率。