为了满足用户在日常生活中不断增多的个性化需求,室内环境中人员定位与行走姿态识别得到了广泛的研究。基于摄像头和无线网络的室内定位和行走姿态识别的方法不能保护用户的隐私,且后期处理数据的设备要求较高,因此在很多情况下不能达到用户的需求。在人员定位和行走姿态识别的算法上,效率和准确率也有待提高。针对目前的需求,本文选择了基于非侵入式的加速度传感器作为监测室内人员的主要设备,根据蝎子定位猎物的感知原理,提出一种基于振动特征的室内人员定位及行走姿态识别方案。首先,对用户需要保护隐私及行动方便的需求,本文提出基于非侵入式的加速度传感器的方法。自然界蝎子腿部末端的基跗节复合缝感受器(Basitarsus Composite Slits Sensilla,BCSS)能定位到作用于其跗骨末梢处振幅为1nm的猎物振动引起的应变。受到蝎子定位猎物的启发,将加速度传感器根据蝎子BCSS的位置进行阵列设计,搭建了一套仿蝎子定位功能生物结构的数据采集平台。并利用该平台进行用户室内定位数据及行走姿态数据的采集,通过性能测试实验,验证了该平台的功能稳定而实用。其次,对于定位算法在定位精度上越高越好的需求,本文提出了一种仿蝎子定位机理的位置指纹室内定位方法。用LIF(Leaky Integrate-and-Fire)神经元模型模拟蝎子神经元,模拟蝎子在兴奋与抑制的共同作用下指令神经元对振动信号进行脉冲编码,不同的输入信号将产生不同的脉冲,提取脉冲作为位置特征。该特征比接收信号强度(Received Signal Strength,RSS)更细粒度地表征了信号的特性,使信号具有更好的区分性。将该方法应用到真实定位场景中,验证了所提的基于蝎子定位理论的位置指纹室内定位方法比基于RSS的位置指纹定位方法更加精确。最后,基于仿蝎子定位功能生物结构的数据采集平台,搭建了一套室内人体行走姿态识别系统。该系统信号处理流程如下:首先将采集的行走姿态数据进行去趋势、小波去噪等预处理,并提取数据的时域、频域、时频及脉冲特征,将特征进行归一化处理;再根据人体行走姿态的特点建立隐马尔可夫模型(Hidden Markov Model,HMM),应用一种快速自动搜索数据密度峰值的方法,建立模型内部参数与行走姿态特征之间的关系;然后利用Baum-Welch算法分别将每种行走姿态训练一个隐马尔可夫模型;最后利用Viterbi算法对行走姿态数据进行分类,将相似度最高的确定为分类结果。实验结果表明,该系统能有效地识别正常走、快走、跑和踏步这几类人体行走姿态。