近年来,随着无线技术的发展,各式各样的无线设备被部署在人们的生活空间中。无线感知技术利用广泛分布的无线信号,通过分析目标对无线信号产生的影响,对目标的身份、手势、动作等状态进行识别。得益于大量的无线设备,无线感知技术的部署成本很低,同时还有着不受光照影响、安全性高以及不侵犯人类隐私等优点,可以为众多智能应用提供极大的便利,因此无线感知技术近年来发展迅速。尽管有着诸多优点,但是无线感知技术目前仍然存在许多问题。首先,大量的无线感知工作基于机器学习算法,但是,由于无线设备部署区域变化大,无线信号易受环境影响等问题,导致基于机器学习算法的无线感知工作鲁棒性不高。而基于模型的无线感知方法,一方面鲁棒性较高,另一方面也有助于研究人员理解和掌握无线感知的机理。因此,本文通过对差分相位进行建模,并使用动态差分相位作为观测来获取目标反射的无线信号。为了更好地分析动态差分相位的变化规律,进一步提出了动态差分相位变化率模型对其进行分析,并探索了天线间距、目标位置等因素对感知性能的影响。由于动态差分模型在天线间距增大时有着混淆问题,为了将模型推广到大规模运动场景,本文提出了多尺度天线模型,利用不同的天线间距下的估计信息,解决大规模场景下的混淆问题。此外,由于无线信号的传播特性,当场景中有多个目标时,接收信号是由多个目标信号混合在一起的复合信号。由于从复合信号中恢复多个目标信号十分困难,因此传统的无线感知工作通常聚焦于单人场景。为了在多人场景下实现可靠的无线感知,从而将无线感知技术推向实用,本文提出了基于多域分析方法的多人无线感知新方法,利用来自多个域的多种视角下的信息,分离并分析每个目标的信号,从而同时感知多个目标的状态。本文设计了呼吸监测以及到达角估计实验,验证动态差分相位及变化率模型,实验表明了模型能够提高无线感知系统的性能,并对无线感知部署以及感知区域选取有着指导作用。此外,通过多人呼吸监测实验,验证了基于多域分析方法实现多人无线感知的可行性。