近年来随着通讯网络的快速发展,室内人体识别和检测作为构建智能家居、智能零售、智能博物馆等智能环境的关键使能因素,得到了极大的关注。与传统的基于视觉和基于可穿戴传感器的解决方案相比,基于射频的方法因其具有非接触性和非视距感知脱颖而出。而在所有基于射频的方法中,基于Wi Fi的方法因其无处不在的可用性和成本效率而成为许多研究者的关注焦点。Wi Fi信号中的信道状态信息更是为手势识别和身份认证的实现提供了更细粒度的、更丰富的信息。为智能家居及智能环境的发展打下良好的基础。首先,针对目前基于信道状态信息的手势识别技术只能识别用户单一朝向手势的问题,提出了一种基于信道状态信息的手势识别方案Wi-MG。该方法以不同手势的信道状态信息为数据基础,每个手势包含四个方向的数据,采用小波分析去除数据中的噪声信息。采集的数据中通常会包含一部分无手势动作的数据,这部分数据会对之后的识别产生影响,为了提高后续训练分类的效率和准确率,采用改进后的短时能量算法划分包含手势动作的区间。最后提取了均值、标准差、相关系数和平均绝对偏差作为特征,并采用支持向量机分类器进行分类,实现了多朝向的手势识别。其次,针对现有基于信道状态信息的身份认证方法应用范围窄的问题,提出了一种基于手势识别的身份认证方法Wi-GI。该方法采用主成分分析法对实验数据进行处理,凸显同一种手势中个体的差异;并通过引入频率能量图,以从图像中提取特征的方法代替从振幅数据中提取特征,再利用卷积神经网络实现身份认证的过程。通过实验验证和分析,本文提出的方法具有较高的准确率,实现了良好的身份认证效果。