随着无线设备的普及和无线网卡物理层信息的逐步开放,WiFi信号的新型应用受到了工业界和学术界的持续关注。人员活动状况检测在智能家居、老年监护和家庭智能安防等应用领域有着极为广阔的远景。同时基于WiFi的人员活动状况检测方法具有不受光线干扰以及不受遮挡物影响的特点,可以弥补现有的人员活动状况检测方法在技术方面的不足。因此基于WiFi的人员活动状况检测具有重要的研究价值。本文的主要工作如下:1.在实验室环境中,通过实验室自制的谱传感节点采集WiFi信号的信道状态信息。并通过实验观察了 WiFi信号的信道状态信息与人员活动之间的关联。2.信道状态信息中包含有收发天线子载波的幅度信息和相位信息,但对于相位信息的提取有一定难度。本文通过数据预处理,从获取的原始信道状态信息中提取幅度和相位信息。结合实验中观察到的WiFi信号信道状态信息与人员活动的关联,比较了两种相位数据预处理方法。并在之后的实验中针对不同的人员活动状况选择更适合的相位提取方法。3..通过信道状态信息特征提取与多种机器学习识别方法的结合,完成了入侵检测实验、人体跌倒检测实验、实验室人数统计实验和设备识别实验。在入侵检测实验中实现了 98.33%的入侵行为识别准确率;在人体跌倒检测实验中,实现了97%的跌倒识别准确率;在实验室人数统计实验中实现了96%的人数识别准确率;在设备识别实验中,实现了98.8%的识别率。4.在完成离线实验的基础上开发了基于WiFi的人员活动状况检测系统,并实现了在线入侵检测功能。