在室内复杂环境下,基于WiFi的人体轨迹追踪可以实现用户在不接触任何硬件设备的情况下,通过简单的手势来控制智能设备。并且可以通过对人体部位识别和移动轨迹的捕捉,来完成根据人的行为制定对智能设备的控制。人体轨迹追踪的研究促进了用户监视和人机交互的发展。人体轨迹追踪在智慧家居、老年人健康检测和入侵者检测等方面具有很好的应用。为了实现在复杂的室内环境下完成人体轨迹追踪,设计了联合动态参数估计（Joint Dynamic Parameter,JDP）模型实现了视距范围内人体定位和WiFi捕捉人体部位（WiFi Capture Body,W-Cap）模型来实现非视距范围内骨架捕捉。本文设计JDP模型主要实现了视距范围内的人体轨迹追踪,为了更好的服务于单链路的场景,JDP通过使用单链路采集的信道状态信息数据完成轨迹追踪。对采集后的数据,使用共轭乘法去除由硬件设备导致的相位噪声,因为静态信号噪声具有较高的频率,而后使用带通滤波器去除静态噪声和共轭乘法所产生的低频虚假信号。JDP模型联合了多普勒频移来进行动态目标参数选取。在参数提取阶段使用广义空间交替最大化算法来优化路径选择,减少搜索空间。W-Cap主要实现在非视距范围内进行3D人体部位追踪并构建人体粗糙骨架,通过使用信号矢量叠加去除静态对称信号。使用载波调制和Coarse to fine的多天线算法,来迭代细化目标人体的位置,通过每个反射点得到反射路径来计算出反射点的空间位置作为立体像素,而后绘制目标的反射功率图,通过对功率图进行分析,可对人体各个部位进行分割识别,而后重构人体粗糙骨架,进而得到人体的各个部位的空间位置。实验结果表明,在视距范围内的人体定位平均误差为0.6m,且80%的定位点的定位误差在0.5m以内。在非视距的3D人体部位追踪时,距离收发器在1m以内的人体部位识别准确度为99%,人体部位追踪的误差可低于0.03m。