情境感知技术研究是当前人机交互领域的前沿课题,即对人体行为的感知和理解,以及对生活环境的辨别。目前已有许多对人体行为识别的研究,大多数都是依赖于传感器以及视觉设备进行分析,比如使用可穿戴手环等通过加速传感器等来检测人体动作。但是这些有源检测暴露出佩戴不适感,隐私泄露等缺点。另一方面,对于生活环境中物体的感知,目前大多数都是利用化学以及物理手段,化学手段多为使用检验试剂与材料反应来识别物体,物理手段常见的有X射线,超声波等,但是这些手段需要专门的实验环境。为解决以前已有工作的佩戴不适感、隐私暴露、设备昂贵、有损检测等固有局限性,在人体识别和材料检验方面进行了研究,主要工作如下:1.设计了一种使用无线商用设备的wifi信号的人体行为识别分类算法。根据不同动作对无线设备底层数据信道状态信息的影响不同,建立动作-信号模型,将采集到的信道状态信息送入人体行为适用型分类器。该分类器以数据间的欧氏距离为动作模板,在分类的同时不断收敛动作模板库,逐渐提高分类能力。实验证明,该算法对坐下、站立、蹲下、跌倒、躺下五种动作预测的平均准确率达到95%以上。此外,该模型在保持了较高的准确率的同时将误报率控制在2.44%以下的较低范围内。2.提出了一种使用无线商用设备信道状态信息的材料检验方法。根据不同材料对电磁波的散射反应存在差异的特性,建立材料分类模型,达到区分不同材料的目的。相比于化学检验法、X射线、超声波等手段,无线信号作为无源无损检验方法更具有普适性。所提方法基于菲涅尔区域理论以及莱斯分布理论指导,进行动态的实验设置。即针对每种材料进行多个位置的实验,并将所有位置的数据整合为动态热度图,由此为静态的材料构造较为全面的动态标识指纹。经卷积神经网络以及K最近邻图片分类算法交叉验证表明,该系统具有优异的分类效果,铅板、铜板、铁板、果汁等十种材料的分类准确率达到99%以上。