物联网(Internet of Things, IOT)拥有无处不在的识别、传感和通信能力,方便了人们的日常生活,因而受到越来越多的关注与研究。而体域网(Body Area Network, BAN)是属于物联网中和人体相关的领域,其应用广泛,在远程诊断、医疗保健以及特殊人群监护等领域的应用中有着十分重要的意义和巨大的需求,已经日渐成为科学研究和实际应用的热点。生物特征是指每个个体所独有的生理行为特征,而生物特征识别就是利用这些特征进行运动识别或身份识别,其中步态识别是近年来广受关注的生物特征识别方法。近年来人们在步态识别与体域网应用的结合方面进行了大量的实验研究。本文就体域网中的步态识别及其应用进行了研究,所做工作如下：步态识别实验系统的设计与实现：Android智能终端设备因其易于携带等优势已广泛应用与各种研究中,本文结合智能手机进行实验验证系统的设计与实现。通过智能手机可以将传感器采集的数据传输到远端服务器上进行数据分析与处理,从而实现了数据的远距离传输。步态行为识别的研究：现有的步态分析已取得一定的研究成果,但仍存在一些问题,例如大多数步态特征提取是对加速度信号进行6重以上的变换,使得特征达到了45维以上,最后需要通过降维或优化来简化特征,较为复杂。本文利用小波变换(Wavelet Transform, WT)、傅里叶变换(Fourier transform, FT)和四分位差提取出加速度信号中比较简单、低维度但能反应运动特征的步态参数,组合成特征向量,并通过模式识别算法进行识别。最后在上述设计实现的实验系统中进行实验验证。跌倒检测的研究：步态识别也可用于老年人跌倒问题,现有的跌倒检测大多是基于视频监控的,但视频监控存在受环境影响大、不利于隐私保护等缺点,因而越来越多的人开始研究体域网中的跌倒检测。本文就体域网中跌倒检测的相关内容进行了研究,实现了跌倒识别功能。最后在上述设计实现的实验系统中进行实验验证。