随着信息时代的到来和网络技术的广泛应用,无线通信技术得到了快速的发展,无线局域网也变得非常普及,学校、商场、咖啡店、家庭都可以连接上WIFI信号,这些广泛部署的WIFI设备为基于WIFI的情景感知技术提供了物理基础。无线电波不止可以传输数据,还可以感知环境,无线电波在传播的过程中会因为室内的人或物体而产生各种折射、反射、散射,在接收机处形成多径叠加信号,这些信号受到室内环境的影响,因此携带了反映室内环境特征的信息。传统的基于WIFI信号的环境感知技术通常是基于RSSI来研究的,但因其受限于多径效应的影响,无法提供细粒度的信息。近年来,随着普通商用设备可以获得信道状态信息CSI,很多研究工作都开始围绕着CSI展开。目前基于WIFI的应用研究主要有室内人员检测、室内定位、动作识别等。本文对基于WIFI的室内情景感知技术进行了研究,列举了几种基本的情景感知技术的应用研究,详细介绍了基于WIFI的人员检测、室内定位以及动作识别的技术方案。基于此,本文提出了一种基于CSI的室内人员检测方案,该方案包括了基于CSI的室内人员识别和基于CSI的室内人数检测两部分主要功能。在基于CSI的室内人员识别方案中,首先采集了测试者在走动和静止两种状态下的CSI信号,然后采用低通滤波的方法对原始CSI信号进行去噪,分别提取了动态和静态两个特征,其中静态特征使用时域均值,动态特征使用频域峰度;并采用核函数为径向基的支持向量机对该二维特征进行分类,从而达到区分不同人的目的。我们在不同的场景和条件下对该方案进行了实验,实验结果表明:该系统有较高的识别准确率,可以适应小范围的人员识别,在10个人的系统中识别准确率可以达到90%以上。在基于CSI的室内人数检测方案中,我们一共使用了两个天线来接收信号。首先采集了测试者经过检测区域的信号,然后对两个天线采集到的信号进行低通滤波处理和PCA主成分分析,接着使用滑动窗口对处理后的数据进行数据截取,并通过计算相邻窗口数据的相关性把数据分为稳定数据集和波动数据集。然后提取每个数据集的均值和标准差作为每个数据集的特征,然后采用支持向量机对该二维特征进行分类,把数据集分为稳定和波动两部分,然后通过分析波动数据和实际人数之间的关系,得出波动数据和实际人数的比例为21:1。然后通过检测两个天线接收到波动信号的时间差来判断测试者的行走方向。我们在不同条件下对系统进行了验证,结果表明该系统的人数检测方案的准确率可以达到95%以上。