非接触式手势识别是在移动计算中新兴的交互式技术。该技术通过智能算法将语言学与无线信号相结合以分析、判断和整合人类手势。现有的非接触式手势识别研究可以通过机器学习技术来实现对手势的识别。但实际上,某些客观因素如用户所处的位置、非视距条件等会严重影响这些手势识别系统的性能。本文通过分析国内外现有的手势识别方法的相关研究成果,针对传统手势识别算法需要专用设备、安装复杂以及使用机器学习方法时对人体所处位置要求较高等问题,结合物理层信道状态信息和菲涅尔区模型的特点构建手势识别系统,并在此基础上利用隐马尔可夫模型实现复杂的手势的识别。本文的主要工作以及创新点如下。研究了在室内WiFi信号下不同的人体手势在菲涅尔区中对信号产生的影响。根据信号在菲涅尔区中的变化,本文提出一种基于WiFi信号物理层信息的手势识别系统,该系统是细粒度且与位置无关的具有智能和鲁棒性的非接触式手势识别系统。本文构建的手势的识别系统是基于菲涅尔区模型和决策树分类器算法实现常见简单手势的识别。在此基础上,将一个复杂的手势看作为简单手势的组合,在手势识别模块引用隐马尔可夫模型,构建基于隐马尔可夫模型的复杂手势识别系统,实现复杂且连续的手势的识别。本文设计并实现了基于商用WiFi的手势识别系统。该系统在不同的室内环境中进行全面的实验评估。实验结果表明,本文构建基于菲涅尔区模型的简单手势识别系统具有很强的鲁棒性和平均91%的高精度;基于隐马尔可夫模型的复杂手势系统识别的准确率也可达86%。本文的研究,有助于在理论上初步揭示CSI和菲涅尔区技术在无线环境感知应用中的性能潜力,验证了基于菲涅尔区模型的对人体简单手势识别系统的可行性,同时探索了基于隐马尔可夫模型的人体复杂手势识别系统的可行性。