随着计算机技术的飞速发展,计算模式正在从以机器为中心朝着以人为中心转变。其未来发展方向是让人成为计算环节的一部分,从而实现高层次人机交互,那么对人体动作的识别和理解是必不可少的技术支撑。传统的人体动作识别方法有计算机视觉技术、红外线技术、专用传感器技术等。这些传统方法都有各自的不足,计算机视觉容易受到光线以及障碍物的影响,红外线感知范围有限且需要昂贵的设备,专用传感器安装和携带不便且造价昂贵。近年来,随着WiFi热点的普及以及WiFi在感知领域的广泛运用,基于WiFi信号的人体动作识别技术引起了人们的广泛关注。WiFi信号的信道状态信息(Channel Status Information,CSI)作为物理层的信息,具有良好的多径分辨能力,可以进行细粒度的环境感知。本文利用CSI进行人体动作识别方法的研究,主要工作如下:首先,本文设计并实现了一个基于WiFi信号的室内动作实时识别系统。本系统包含信号采集、数据实时传输、数据预处理、动作区间截取以及动作识别五个环节,能够实时地对室内单人动作进行分类识别。并对系统的识别延迟和识别准确率进行对比试验,权衡两者之间的关系以取得更高的综合性能,证明了系统的有效性。然后,本文提出了动态阈值活动截取算法和多窗口识别算法。一是动作区间截取阶段,每个动作的CSI幅度都是不一样的,其最佳阈值也是有区别的,使用由所有类型动作求得的最优固定阈值并不能将每个类型动作的动作区间都较好地截取出来,针对这个问题提出了基于动态阈值的活动截取算法。二是动作识别阶段,现实生活中人类动作并不是瞬间开始或结束的,表现为在连续CSI数据中每个动作可以截取多个动作区间,针对这个问题提出了多窗口识别算法。每个动作截取多个动作区间,然后分别进行分类识别,对所有的预测结果使用熵值赋予权重,选出权重最大的预测结果作为最终的识别结果。并使用改进算法将系统重新设计实现,对改进系统的识别延迟和识别准确率进行实验分析,实验结果表明,系统优化后的识别准确率有了明显的提高,而识别延迟只有稍微的增加,证明了改进算法和改进系统的有效性。