近年来,随着物联网技术的快速发展,万物智联产生的海量数据同样快速推动了普适计算领域的快速发展。人体活动识别作为其中一个重要的问题,在医疗健康、养老服务、体育运动等领域都受到广泛的研究。当前活动识别领域中,最为主流的是基于可穿戴传感器的识别,其也存在一定的问题:可穿戴传感器的数据无法包含环境情景信息,导致在识别活动的类别上受到制约。其次,可穿戴传感器与身体直接接触,束缚感和异物感较强,用户舒适度和接受度不高。因此,基于Wi-Fi等设备的非接触式感知方法逐渐走入研究人员的视野。人体活动会引起Wi-Fi CSI信号不同的反射模式。本文针对基于Wi-Fi CSI信号的活动识别展开以下研究:(1)基于Wi-Fi信号的活动识别实证性研究:本文试图探究现有论文研究中的Wi-Fi活动识别研究与实际使用之间的差距。基于真实环境出发,面向用户在室内连续变化的活动序列,面向情景与设备布置、数据采集与标注、活动识别与分析构建完整的实际操作与研究流程。针对采集条件与用户位置变化对Wi-Fi信号感知模式的影响展开实证性研究,探究现有研究中存在的局限性与不足。(2)面向Wi-Fi信号的异构模型知识迁移方法:在现实生活中,用户所处的任务场景是多样化的,随之产生不同的任务需求,需要设计不同结构的新模型来应对,本文希望使用现有模型对新模型的训练提供帮助。面向Wi-Fi活动识别设计了异构模型迁移方法,深入探究知识在两个异构模型不同层之间的迁移能力,针对异构模型间跨层迁移的模式得出指导结论。并且通过跨数据集的异构迁移方式,评估当差异性较大的新任务出现时,能否使用现有模型为新任务模型的训练提供帮助。(3)面向Wi-Fi信号的活动序列预测方法:针对Wi-Fi信号蕴含环境信息的特性,结合本文进行的真实场景下连续变化活动序列的数据采集,本文基于Encoder-Decoder模式针对活动序列预测方法进行研究和设计,基于前序的5个活动对后续3步活动进行预测,针对不同的序列模型与搜索策略进行对比,分析基于Wi-Fi信号活动序列预测的可行性。(4)Wi-Fi活动监护原型系统设计与实现:本文面向室内单人(老年人)的监护服务需求,进行了Wi-Fi活动监护服务原型系统设计与实现,实现了包含实时监护、活动报警、历史活动数据分析、数据管理等功能需求,为Wi-Fi活动识别与更广泛的养老、健康等大服务任务相结合提供基础。