跟踪人类睡眠姿势和睡眠期间呼吸和心率的生命体征是很重要的,因为它可以帮助评估一个人的一般身体健康,并为诊断可能的疾病提供有用的线索。传统方法仅限于临床使用,基于射频的方法需要专门的设备或专用的无线传感器,并且只能跟踪呼吸速率。由于人类的呼吸和心跳会导致腹部和胸部的微弱运动,这些运动可以对WiFi信号的传播产生一定的影响,而WiFi设备中的细粒度信道状态信息（Channel State Information,CSI）可以记录这些影响,因此本文旨在提供一个以WiFi信号为基础的低成本,连续和非接触式的生命体征监测和睡眠姿势识别系统。本文工作的主要贡献总结如下:1)由于信号在传播过程中会受到直接路径和反射路径等各种因素的干扰,因此在传播过程中会存在信号的衰减,本文通过对菲涅尔区域和莱斯分布模型的分析,从而提出一种运动检测能力增强方法,用来提高对呼吸和心跳引起的微小变形的检测能力,并将其应用于睡眠姿势识别研究。2)由于在睡眠中会存在各种异常运动,如翻身、起床等从而对信号产生不同的影响,因此本文提出了一种基于规律性检测的异常运动定位算法,它可以准确地定位不同于呼吸和心跳的异常运动的位置,并对其进行过滤,以获得更好的生命体征监测。3)本文通过对无线信号CSI的处理,设计了一个实时处理系统来实现在不同的睡眠姿势对呼吸和心跳的实时监测,实验结果表明,该方法的性能良好,呼吸和心率检测的准确率分别为96.618%和94.708%。此外,现有的WiFi技术还可用于跟踪人们的睡眠姿势,在三种典型的分类器,平均识别准确率达到93%以上,这种基于WiFi的睡眠状态监测方法,对于在非临床环境下进行生命体征监测具有重要的意义。