日益普遍的智能手机中内置有类似于地震仪的加速度传感器,为地震灾害事件的检测和预警系统提供了新的思路,受到了地震科技工作者广泛的关注。然而,普通智能手机中内置的加速度传感器无法与专业测震仪器相媲美,传感器采样精度较低,同时传感器采样值易受到手机持有人活动的影响,从而在事件检测中虚警频发。本文主要针对智能手机内置加速度传感器的特点以及人类行为活动的规律,研究有效的降低误报提高检测准确率的异常震动事件捡拾方法,为使用智能手机进行精准的地震检测提供依据。本文的主要工作与贡献如下:首先根据手机数据采样中的缺陷提出了手机加速度计采样数据处理的方法。由于加速度计采集的数据易受到手机放置姿势的影响,同时手机自身高斯白噪声较大,造成数据信号的失真。根据这些问题提出了通过磁力计采样校准和旋转矩阵映射实现数据坐标转换,采集垂直于地面的数据从而忽略手机姿势的影响的数据转换方法,同时采用小波降噪实现高斯白噪声去除,并引入特征函数进行震动事件特征放大处理,以得到较好的采样信号去噪效果。其次根据手机容易受手机持有人活动影响的问题提出了STA/LTA+DTW的高精度异常事件检测算法。为了减少人类行为动作对地震异常检测的影响,降低误警率,本文分析了人类日常行为的时间序列信号的动态时间弯曲距离特征DTW,在此基础上设计了双层门限阈值检测方法。第一层为基于STA/LTA的震动感知层,用来检测手机运动状态是否发生变化,并作为触发第二层的条件。第二层为基于DTW特征的异常震动检测层,用来将异常事件与日常事件区分开来,实现降低虚警率的目的。通过对比实验分析,表明相比于传统的门限阈值法,本文提出的算法在降低误警率方面起到了明显的效果。最后针对智能手机加速度传感器精密度较差的缺点提出了通过加速度传感器和陀螺仪两者数据融合校准提高采样精度和决策准确度的方法。智能手机中的加速度传感器不同于专业的测震仪器,采样精度较低而且会随着时间的推移变差,本文使用多传感器数据融合来解决这一问题。将常用智能手机陀螺仪采样到的旋转方位角以及加速度计采样值进行建模,通过扩展卡尔曼滤波实现两者数据的融合从而实现对加速度计值的校准。经志愿者智能手机大量实验测试,验证了检测准确率与虚警率的改善效果。