随着科技的日益发展,无线局域网已被广泛部署于各种室内场景中,除了用于数据通信外,目前国内外研究者们更进一步探索它的新兴应用,如利用无线信号实现人体感知。传统基于无线的方法主要使用的是接收信号强度RSSI,但是其精度低、不稳定,无法用于高精度的人体感知。无线局域网物理层的信道状态信息CSI,其比RSSI具有更高的细粒度和更好的稳定性,受到广泛关注。本文着重研究了室内无线信道状态信息和其实现人体感知的原理,设计了基于信道状态信息的人体朝向检测和动作识别方法,本文的主要工作包括以下几个方面:1.介绍了目前基于无线信号实现人体感知技术的研究进展,指出了RSSI的不足之处,引入CSI并对其形成的原理进行了分析,研究如何利用其实现人体感知;2.搭建了基于CSI的人体感知平台,采集CSI数据,并提取幅度和相位信息;3.研究基于信道状态信息的数据预处理方法,尽可能降低其它因素的影响;4.提出了一个针对CSI数据的动作时间端点检测方法,提取动作数据;5.研究机器学习方法并将信道状态信息与机器学习算法相结合,对子载波进行K-means聚类进行朝向检测的特征选择,针对动作识别选取了具有代表性的统计特征;6.实验并讨论了不同因素对检测结果的影响,验证了利用信道状态信息实现人体感知的可行性。