室内环境在人们的生活和工作中都扮演着极其重要的角色,因此基于室内位置的服务（Indoor Location-based Services）也层出不穷。对于大部分的室内位置服务来说,最重要的因素是室内地图。有价值的室内地图包含两个要素:平面地图和室内语义（如电梯、洗手间、应急通道等）。重要的室内地图语义能够极大地丰富室内地图,从而更好地指导用户找到他们的目标。近年来,虽然室内语义识别领域的研究很多,但是依然存在很多需要刻不容缓解决的问题。首先,现存的室内语义识别系统主要是依靠移动感知去发现室内设施的模式,因此很难同时发现足够数量的高水平室内语义的识别模式。对于现今先进的室内电子地图,高水平室内语义的丰富性应该得到加强。其次,当前缺少设备独立的识别系统（Device-free Recognition Systems）,对于用户来说极为不便。移动感知需要用户携带手机或者智能手表等工具,提前安装好软件应用才能进行数据采集,这会造成用户体验遭受损害。最后,随着我们研究的室内语义识别范围和精度不断提高,室内语义隐私的安全性问题逐步暴露出来,尤其是基于信道状态信息（Channel State Information,CSI）的室内隐私保护。根据我们的调查,当前还没有相关的研究。为解决上述工作中还存在的重大问题,本文从以下三个方面展开工作:1、基于多窗体架构的高水平室内语义推理。虽然大部分的室内语义识别方案能够通过智能手机感知来发现识别模式,但是难以识别足够数量的高水平室内语义支撑室内地图。因此,我们提出了Deep Map+,它是一个基于腕部手机感知并利用复杂人物动作自动推理识别高水平语义的系统。为了扩充可用于训练的数据源,我们提出了多长度窗体架构,使得Deep Map+成为首个利用深度学习技术的基于多长度窗体架构的深度计算系统。此外,为了更好地发现复杂手部动作的隐藏模式,继续提出了多个新颖的增加虚拟特征和虚拟样本的方法。我们针对沃尔玛超市中的23种高水平室内语义（包含公共设施和功能区域）搜集了腕部穿戴数据,实验结果显示所提出的方法能够有效地提高识别精度。2、基于WiFi动作和环境的高水平室内语义推理。目前的室内语义识别系统主要是依靠手机感知寻找模式,然而缺乏免设备室内语义系统。在本文中,我们提出了WiFi Map+,它是首个利用WiFi信号识别人物动作和环境的高水平室内语义推理系统。本工作中的室内语义包含了室内设施和环境两方面。为了利用CSI分别表示静态室内环境和动态人物活动,我们提出了新颖的双流架构独立地产生空间流和动作流。该双流架构与最近的动作识别研究相比较,它能够将CSI样本的内容域从人物动作扩展到室内环境。为了达到准确的室内环境检测,我们提出了CSI环境模型和空间流生成算法,该算法能够减少人物动作对于环境检测的影响。此外,为了实现稳定的动作识别,我们提出了基于环境的测试样本表示方法,它能够利用环境知识去克服环境变化造成的CSI多样性问题。最后,我们利用商用WiFi设备实现了WiFi Map+系统,并在6个房间的场景中评估了它对于7种常见语义的检测性能。实验结果显示了我们提出的方法能够有效提高WiFi Map+的动作识别和环境检测精度,在多房间场景中该系统有很强的鲁棒性,并且室内语义推理的平均精度和最低精度能够分别达到92.8%和82%。3、基于CSI信号的室内语义隐私保护。现存的WiFi识别方案有能力发现多种室内语义的模式,这些语义包括人物动作、身份和室内环境等。我们发现CSI给黑客提供了学习室内隐私的机会,然而目前缺乏CSI的安全性研究。在本研究中,我们首次讨论并定义了CSI信号的安全性问题,并进一步将其扩展到无目标保护和有目标保护的问题上。为了解决上述难题,我们分别提出了两种对抗自编码网络（Adversarial Autoencoder Networks,AAENs）。通过用生成的对抗信号替换原始信号,有效地修改了受保护语义的特征,并且保留了其它被要求识别的重要语义特征。我们开展大量的实验验证了提出的对抗自编码网络能够极大地降低受保护语义的识别精度,同时仍然保持其它语义的正确识别。