随着社会发展和经济增长,久坐行为在每个年龄段人群的生活中都时常出现。青少年久坐行为会造成不舒适感提升,上班族久坐带来压力积累,老年人久坐使得身患心血管疾病的概率上升。研究怎样进行坐姿状态识别,实现简单且高效的坐姿监测,成为解决问题的关键。为提高坐姿识别的准确性,采用融合多种信号的方法,测量得到多个维度的信息,从多个维度对同一事件的描述,可以增加事件的更多细节。研究选择使用低频蓝牙信号和高频心冲击图（ballistocardiographic,BCG）信号,对坐姿进行描述,通过低频和高频两个维度刻画坐姿体态的变化规律,建立集成学习模型,训练两层分类器,通过精确地识别不同坐姿状态,计算不良坐姿的持续时间,达到状态监测的目的。在此提出一种融合蓝牙信号和心冲击图信号的坐姿状态识别方法,并设计与实现一套应用系统,应用程序发挥的功能是对长时间的坐姿进行健康提示,对使用者的坐姿情况及时提示。通过两种传感器测量蓝牙和BCG信号,利用测量得到的信号强度时间序列,建立数据样本矩阵,通过奇异值分解,得到信号系统中主要的能量集中在几维空间中,然后通过相空间的局部空间投影,达到对非线性系统过滤噪声的目的。接下来进行动态相空间的重构,将去噪后的一维的时间序列通过差分,构造三维向量,大量的时间序列数据绘制在同一三维空间中,构成三维空间中的点云,对不同几何形态的点云通过数据特征描绘出点云的几何形态。两种信号对应不同的坐姿会产生不同形态的点云,构造出不同的数据特征。利用样本数据训练分类器,集成学习方法第一层XGBoost分类器生成蓝牙信号和BCG信号数据的可能性预测,然后将输出进行数据融合,作为第二层分类器支持向量机的输入数据,最终得到姿态种类的识别。最后,设计实现坐姿监测系统,将系统功能进行领域模型建模,依据此构建相应的服务架构,配合展示层的数据展示,达到健康监测提示的功能。集成学习的坐姿状态识别算法对四种坐姿状态（离座、静坐、工作和抖动）的识别准确率分别是100%、95.7%、92%和96.3%。且对于测试位置的移动和测试者增加等情况,表现出良好鲁棒性。