近年来,由于智能手机传感器的增多,手机拥有了获取用户行为习惯的渠道。而随着用户行为研究在人机交互领域中的飞速发展,结合智能手机传感器来研究用户行为已经成为一个新的研究热点。因此,本文利用Android智能手机传感器对用户跌倒行为和签名行为分别进行研究。具体研究成果如下:1)跌倒行为检测算法的研究跌倒是老年人发生意外伤害的首要原因,快速检测跌倒并采取紧急救治措施对挽救老人性命至关重要。为了检测跌倒行为,本文提出了一个基于阈值的跌倒检测算法。该算法采用合加速度(Signal Vector Magnitude,SVM)峰值、峰值与横轴围成的三角形底边长(简称底边长)、跌倒后速率、冗余运动变量、垂直加速度来区分跌倒和ADL。在实验中,利用Android智能手机的加速度和磁场传感器采集日常活动(Activities of Daily Life,ADL)和跌倒数据。共包括120模拟跌倒数据和150个ADL数据。相比较之前的跌倒检测方法,已提出的算法获得了更高的敏感度和特异度。2)签名行为认证方法的研究手写签名是一种广泛被接受的用于认证的用户行为。为了保护用户隐私,本文提出了一个基于手机触摸屏的动态签名行为认证方法。该方法是通过提取全局和区域特征来识别签名。在本文,全局特征主要考虑在x, y方向上速度和加速度之间关系,三个连续切线角之间关系等。而区域特征,通过将一个签名的每个属性序列等分成N段,对每段数据统计直方图,其中签名的属性包括速度,加速度和切线角。最终,本文将全局特征和区域特征组合作为最终的特征向量。本文使用的用户模板,是通过归一化多个真实签名的特征向量后得到。而匹配方法使用的是曼哈顿距离。最终本文提出的方法在MCYT-100数据库和SG-NOTE数据库上进行评估,实验结果超过现有的一些方法。