利用无线信号的被动行为感知能够克服基于传感器或计算视觉的行为感知等方法带来的部署开销、隐私暴露等问题,实现低成本、低功耗、非侵入的行为感知方式,是普适计算和实时系统领域的研究热点之一。论文聚焦于人在自然状态下,行为的并发性、跨尺度性以及连续性的识别和感知,设计并实现了基于信道状态信息的并发跨尺度行为连续行为感知方法。论文的主要研究内容和贡献如下:首先,提出基于子载波相关性的差分动态阈值法,从噪声处理后的信号中有效分离出并发跨尺度动作。设计了一种基于多层去噪和变分模态分解的微尺度呼吸动作特征提取方法,从而有效通过呼吸频率推断人体状态。其次,提出基于功率谱密度的呼吸检测算法。判定饮水过程中有无发生呼吸,确定饮水方式,从而利用吞咽与呼吸的互斥性,寻找吞咽造成的呼吸信号形变完成吞咽检测,进而估计饮水过程中的吞咽次数,建立饮水量估计模型。再次,提出双窗口嵌套的连续动作分割算法,尝试利用动作间相似性进行连续动作识别和动作序列估计。针对系统开销与识别精度问题提出了动作转移矩阵,将动作分割与其结合达到精度与时间的平衡,最终实现较高效率的非侵入室内连续行为感知。最后,在真实场景中部署论文所提方法,分析评价本文所提算法。结果表明,论文方法在并发动作识别、连续动作分割、实时性和可扩展性上的表现均优于现有方法。