随着信息技术的不断发展,目标感知技术受到越来越多的关注。基于位置服务和目标动作识别广泛应用于各个方面。针对传统室内定位以及视觉状态识别技术存在的缺点,本文开展了基于支持向量机和信道状态信息的无线感知方法研究。论文主要工作包括:(1)研究基于CSI测量值无线感知的相关理论。首先介绍了CSI测量参数的相关知识,然后描述基于CSI的无线感知技术中常见的机器学习算法。最后搭建了基于CSI的无线感知硬件和软件平台。(2)提出了基于数据降维和支持向量机的无线感知算法。离线阶段,首先对CSI测量值进行数据归一化和基于主成分分析(PCA)的降维处理。然后将动作识别问题转化成分类问题,通过支持向量机进行分类学习,得到基于动作的分类模型。同时,在每个动作下,将位置估计问题转化成回归问题。利用支持向量机进行回归学习,得到基于位置的回归模型。在线阶段,在对接收到的CSI测量进行数据预处理后,首先由动作动分类模型得到目标动作。然后,根据估计的动作选择相应的位置回归模型进行位置估计。算法利用主成分分析方法,能够消除CSI中的噪声,降低离线训练的时间复杂度,并提升学习性能。实验结果验证了所提算法的有效性。(3)提出了基于鲁棒主成分分析(RPCA),卷积核特征提取和支持向量机的无线感知算法。离线阶段,利用鲁棒主成分分析去除CSI观测样本中的噪声。然后利用图像渲染技术将CSI测量样本渲染成RGB图片,通过卷积核提取图片的特征,最后利用支持向量机进行基于目标状态的分类学习,得到基于目标状态的分类模型。在线阶段,对获得的CSI测量值集合进行RPCA,图像渲染和特征提取后,利用目标状态分类模型估计出目标状态。实验结果表明,所提算法能够比现有算法获得更好的感知效果。