随着科学技术的发展,无线局域网由于其廉价方便、灵活、易于规划调整等优点,已被大量部署在各种场景中。研究人员对无线信号应用的研究正逐渐增多,其中基于无线信号的人体状态的研究作为众多应用的一个重要分支,也备受关注。本文使用无线局域网物理层的信道状态信息CSI作为原始数据,并结合复杂网络中可视图算法的相关理论技术,设计了基于信道状态信息和可视图算法的室内人数统计分类和人体朝向检测方法。本文的主要工作包括以下几个方面:(1)分析了CSI的形成原理,及其相比RSSI的优势,介绍了基于CSI实现人体状态检测的研究现状;(2)阐述了复杂网络理论中多种可视图算法的实现原理及其背景,介绍了不同可视算法的性质和应用;(3)分析了CSI数据的预处理和特征提取方法,使数据更加有效、可靠,减少其他因素的影响;(4)将CSI样本类比成时间序列,提出了基于CSI的可视图网络方法,提取网络特征,并综合原始统计特征,进一步提高检测效果;(5)介绍了机器学习、深度学习算法,并与信道状态信息结合,构建多种不同的网络,提取具有代表性的网络特征;(6)实验考虑了不同因素如环境等对检测效果的影响,验证了基于信道状态信息构建复杂网络实现人体状态检测的可行性。