情景感知技术最早源于普适计算,是通过传感器及数据分析处理技术使得计算设备能够感知周围环境,此处的环境不仅仅局限于物理环境,还包括人员所处的位置,状态,甚至情感信息,身体语言和手势信息。情景感知技术被广泛地应用于人们的日常生活中,如基于定位的人员入侵检测,基于活动识别的人机交互和智能家居,为人们的生活提供了更加智能化的服务。近年来,随着无线通信技术的发展,无线信号从传统的单一通信媒介扩展为一个用于无线感知的平台,其中,无处不在的WiFi信号使得基于WiFi的情景感知技术具有可行性。传统的基于WiFi的情景感知技术大都基于接收信号强度指示(Received Signal Strength Indication,RSSI),但是RSSI是对信号粗粒度的描述,且随时间波动较大,这限制了RSSI的识别精度,因此亟需一种基于WiFi的新型的情景感知技术。本文旨在对基于细粒度的信道状态信息(Channel State Information,CSI)的情景感知技术进行研究。论文结合具体的应用和相关的技术对情景感知技术进行了分类介绍,分析比较了RSSI和CSI信号特征之间的优缺点。考虑到基于RSSI的情景感知技术的缺点,本文先后研究和设计了三个基于CSI的情景感知系统:(1)人员位置识别系统,利用CSI信号在相同的传播环境中保持相对稳定而在不同的环境中呈现不同的信号特征这一特点来识别人员的位置是在室内还是室外;(2)人员运动动作识别系统,采用兼具时域和频域信息的CSI波形作为动作特征,同时设计了一系列去噪方法(如低通滤波,PCA和中值滤波)来消除噪声信号,有效实现了运动动作的识别及质量的评估;(3)人员手势识别系统,提出了一种改进的线性判别分析算法(Linear Discriminant Analysis,LDA),简称I-LDA,对多维的人员手势信号进行降维,降低了计算复杂度;同时采用逻辑回归算法(Logistic Regression Algorithm,LRA)进行手势识别,其中信号能量谱中带宽的相关比值被选取作为特征,消除了速度差异对识别结果的影响。最后,基于商用无线设备构建了上述系统,论文对其性能进行验证和评估,实验结果验证了本文提出的系统具有可行性和鲁棒性。