近年来,智能终端的数量和种类呈现爆发式增长,其上配备的传感器和基础功能也越来越完善。然而随着人们对终端智能程度的要求越来越高,简单的感知应用已无法满足人们的需求。面向特定情景的,更高层次的智能感知开始成为研究新方向。在智能感知技术中,被动感知技术以其实现成本低,普适性高等特点受到青睐。然而被动感知技术如何与智能终端相结合,还有待研究人员的探索。本文既研究了被动感知技术在智能终端上的两种应用。一,基于声音的人车环境感知技术。近年来,因行人低头使用手机导致的交通事故呈逐年上升趋势,如何减少此类事故的发生成为急需解决的问题。本文创新性的提出了一种基于声音的移动车辆检测的机制,以帮助行人预判正在靠近的危险车辆。该机制利用智能手机内置麦克风收集声音数据,然后通过对声波特性的分析来判断是否有汽车正在靠近。我们提出了多个声波的时频域特征以区分环境噪声与汽车行驶的声音。实验结果表明,该机制对背景噪声有较强容忍性,即使在人员嘈杂的单行道上,其识别成功率也保持在以上。二,基于信号的手势感知。智能终端时代,基于键鼠的人机交互方式不再适用,手势识别成为交互领域的风向标。现有手势识别主要基于摄像头和传感器实现。然而两者都有自己的局限性,摄像头易受光线影响,传感器需用户携带额外设备。为此,本文研究基于信号的手势感知技术。本文以做数据源,通过对与手势的相关性进行建模,设计了基于统计的手势感知算法。此外,本文还提出了子载波幅值分布的有效特征,引入了算法实现了手势分类。我们设计了五个手势三个场景,收集了近千个样本,对模型效果进行验证。结果表明,该模型手势识别准确率可达以上。