如今,新一轮科技革命和产业变革蓬勃兴起,我们已经从互联网时代逐渐过渡到物联网时代。与此同时,随着传感器技术的发展和移动计算能力的提升,智能终端作为物联网的关键组成部分,搭载着各式各样的移动智能设备走进了人们的生活。利用这些设备识别和记录人类日常行为对健康检测、残障人士辅助、老年人看护等起到了至关重要的作用。现有工作都有着不同方面的不足,比如利用无线射频信号作为感知媒介的行为识别技术对应用场景十分苛刻、使用机器学习技术的行为识别占用了过多的计算资源、利用情境感知方式的行为识别需要过多的传感器或额外设备等。鉴于此,本文展开了一种基于多源数据和逻辑推理的行为识别技术研究。不同于此前其它研究,此技术设计了一种通过逻辑关系判断实现行为识别的轻量级感知系统,将逻辑推理与体域网结合,准确刻画日常生活中用户的基础行为动作。创新地利用信号处理技术和逻辑推理确定动作间的逻辑关系,因此不需要大量数据预训练,降低了计算成本,提升了系统的可扩展性。同时本文设计了逻辑关系的自适应算法,可以更好的对抗用户之间因为体态或习惯的差异对识别结果的影响,在差异较大的人群中也可以实时准确地做出识别。我们利用商用智能手机、智能手表、智能眼镜和一个带有IMU的蓝牙模块实现了基于此技术的系统,并在现实生活场景下做了大量实验来评估性能,验证了逻辑推理对行为识别的可靠性。我们对日常上、下肢共12个动作进行了识别,实验结果显示加入自适应算法前后的识别准确率平均提高了7.4%。同时还对比了三种不同场景下的识别准确率,分别为92.3%,93.7%和92.9%,结果表明三者识别效果相近,本文的系统可以抵抗不同环境对行为识别的干扰,打破应用场景限制的壁垒。