基于无线信号的被动定位与行为识别是一项新兴的技术,它可以在被监测者不携带任何额外设备的情况下,估计被监测者的动作与位置。该技术在普适计算、智能家居、安防、救援等诸多领域均具有广阔的应用前景,对于改善人民生活水平、保障社会安全具有重大意义。随着无线通信网络的普及,人们无时无刻不处于无线信号的“包围”之中,基于无线信号的被动定位与行为识别正是通过分析被监测者对于周围无线信号的影响推测其活动状态。因此,如何有效的描述该影响是本文研究的关键问题。基于此,本文主要从以下三个方面进行探索研究。1.探索和研究了利用普适的FM信号实现被动无线定位与行为识别的可能性与方法。在实现被动无线定位与行为识别的过程中,无线信号的选取是重中之重,为了使该系统更加具有普适性,本文选取日常生活中较常见的FM信号作为观测信号。在接收信号强度采集过程中,无需使用特制的发射机,仅使用FM接收机从自由空间中接收信号,显著降低了硬件设备复杂度。2.提出分集捕获与多域特征构建的方法。为了增加系统对人体微弱影响的监测能力,本文一方面从硬件上采用空间分集与频率分集技术,增加从物理层捕获的观测信息量,并降低系统的空间选择性衰落与频率选择性衰落;另一方面,从信号特征提取方面,分别计算时域、频域、小波域特征,构建多域信号特征,增强特征多样性。3.基于稀疏表示分类算法进行分类识别。针对该系统在实际应用场景中,由于环境变化等因素会引入噪声这一事实,采用具有较高健壮性的稀疏表示分类算法;同时,为了进一步提高分类识别精度,提出迭代稀疏表示分类算法。上述算法的应用,增强了系统的鲁棒性。为了验证本文提出的基于FM信号的被动无线定位与行为识别系统的性能,本文在两个典型的实验室环境中进行了验证实验。实验结果表明,该系统在定位与行为识别方面性能较好,在相对复杂的实验环境中,识别准确度仍然可以达到90%以上。