物联网作为信息世界向物理世界的延伸,拓展了人类认知和控制世界的能力,遍布工业、交通、医疗等领域。接入物联网的设备近年来呈指数爆炸增长,设备创建的数据量增长迅猛,成为当前大数据和人工智能发展的主要数据来源。然而,面向万物相连的物联网产业被一致看好,但规模化的普适应用遇到障碍,节点的能源问题成为了物联网的发展瓶颈,因此,我们认为物联网的趋势是从“有源”到“无源”。基于此需求,本文设计了一个硬币大小的反射标签,引入了一种超低功耗的无线反射技术,开拓新的能量获取和信号运用模式。我们基于无线反射信号进行了一系列感知识别相关的研究工作,包括分米级人体大动作识别系统MotionFi、厘米级人体小动作识别系统WordFi和毫米级轨迹追踪系统MilliBack,本文将以MotionFi和MilliBack作为主要阐述目标展开介绍。MotionFi是一个精确、抗干扰的动作识别系统,它能够对人体的重复性动作进行自适应计数和精确识别,不需要依赖场景相关的信号模板或系统配置,并且利用反射信号覆盖范围小的特性和专用的信号分离算法支持多人并行识别。我们实现了MotionFi的系统原型,在长达6个月的时间里对系统进行了各种场景的性能测试,如不同人、不同距离和不同方向。实验结果表明,MotionFi无需任何学习或训练过程就可以识别动作的周期性,计数误差在5%以内,花费少量的学习开销就可以针对7种典型动作实现95.2%的识别精度。此外,通过利用运动的周期性,3次重复后就可以将识别精度进一步提高到近100%。我们的实验还表明,MotionFi在间隔约2米的多人场景依然能保持准确的计数精度。MilliBack是一个毫米级的高精度轨迹追踪系统,它无需任何学习/训练/校准过程、即插即用、低延迟、成本低廉且易于部署。MilliBack的核心是两个针对不同场景的相位差分迭代算法,可以根据信号相位的变化来推断反射标签的位置。通过采用精心设计的差分技术和迭代方法,我们可以消除设备多样性误差,并实现实时追踪。我们实现了MilliBack的系统原型并进行了全面的测试。实验结果表明了我们的系统可以准确地跟踪任意复杂的轨迹,包括图形、字母、公式和汉字,并且支持相对较高的书写速度,在特定测试场景,它的中值误差为4.9mm。