随着无线传感技术的日益发展,利用分布广泛和细粒度的Wi Fi信号实现人物的身份认证逐渐成为可能。其中,基于Wi Fi物理层的信道状态信息（Channel State Information,CSI）的人物身份认证方法备受关注。同时,由于Wi Fi信号可以穿过墙体传播,所以在穿墙场景下基于CSI的身份认证研究是一个重要的研究课题。虽然当前的基于CSI的人物身份认证研究有了很大的发展,但是主要是在非穿墙场景下的研究,没有充分考虑墙体干扰对人物身份认证的影响。由于墙体对CSI数据的干扰,在穿墙场景下利用CSI进行人物的身份认证具有比较大的挑战性。针对此问题,本文提出了在穿墙场景下利用人物的手势产生的CSI数据来认证人物身份的方法。本文的身份认证方法主要包括三个部分:CSI数据的预处理、手势数据的特征提取、分类器的构建。在CSI数据的预处理中,首先使用低通滤波滤除环境中的高频噪声。其次,考虑到墙体对CSI数据的影响,在穿墙的场景下,使用已有的CSI数据的预处理方法无法较好的消除墙体对CSI数据的干扰,因此本文通过观察三根天线上CSI数据的特性,提出了两根天线上CSI数据相减的方法来消除视距路径和静态路径上（静态物体反射）CSI数据的干扰,得到CSI相减后的数据后,从相减后的CSI数据中提取振幅和相位。在手势特征提取中,首先利用CSI振幅求出不同时间段的振幅差,利用振幅差来探测手势的开始和结束,然后分别对CSI振幅和相位使用离散小波变换来压缩数据。在分类器的构建过程中,首先利用支持向量数据描述（Support Vector Data Description,SVDD）构建多个分类器。然后利用投票机制得到最终的认证结果,区分出合法用户和非法用户。最终利用支持向量机（Support Vector Machine,SVM）来识别合法用户的身份。最终,本文进行了相关实验,人物的身份认证的准确率达到了95%,用户身份识别的准确率达到了98%。