随着可穿戴设备的成度的升高,运用可穿戴设备进行行为识别已成为行为识别领域中的研究热点,其在智能安防、病患监护等领域有着重要的应用价值。可穿戴设备体积小、功耗低、佩戴方便、对环境因素要求低、方便部署,非常适用于人体行为识别场景。可穿戴设备到服务器端的数据传输是系统实现的重要环节,目前常见的传输方式有Wi-Fi、蓝牙、4G、远距离无线电（Long Range,LoRa）等,其中蓝牙传输距离近,需要借助手机作为中间桥梁完成远距离传输,实时性较差;Wi-Fi传输距离较远,但稳定性不高;4G模块体积大且功耗高;LoRa适合远距离数据传输,但限于传输速率低,无法应用在大数据量传输的场景,超宽带（Ultra Wide Band,UWB）在室内定位方面具有精度高、抗干扰能力强功耗低等优点,并且支持大数据量传输,因此适用于数据传输和定位相结合的场景。在人体行为识别应用中,实时性非常重要,在识别出人体行为后根据识别结果做出有利的决策也是系统需要考虑的问题。例如,在智能监护场景中,实时识别出被监护者出现跌倒等危险行为后,应及时通知看护人到达现场;在智慧监狱中,实时识别出犯人有打架等危险行为,应及时通知狱警前去制止。在这些场景中,被检测者的位置信息显得尤为重要。本论文立足于实际应用需求,针对可穿戴设备的数据传输问题和定位问题进行了深入研究,对整个数据采集、传输、行为识别和定位等模块进行了系统设计,本论文的主要工作如下:（1）针对实时数据传输、定位和行为识别问题,设计并搭建了基于UWB技术的人体行为识别与定位系统,实现了人体行为的实时识别。（2）针对数据传输和定位问题,提出了基于UWB技术的可穿戴设备设计方案,并完成基于UWB的手环和定位基站的软硬件设计,改进了数据传输和定位的调度算法流程。（3）对比了常用深度学习框架在基于传感器的人体行为识别数据集UCI HAR（University of California,Irvine Human Activity Recognition）数据集上的识别率。针对智慧监狱场景,设计了人体行为识别与定位系统数据库,并使用深度学习模型实现实时识别人体行为。本论文对所设计的UWB定位和数据采集手环、UWB基站、数据库服务程序和深度学习识别程序进行了系统的设计与仿真实验。结果表明,所提出的基于UWB的人体行为识别和定位系统能够解决精准定位和数据传输共存的问题,并实现实时的行为识别。该系统在基于人体行为的智能监管场景具有一定的应用价值。