室内入侵检测技术是当前通信信号处理领域的重要研究方向。基于WiFi信号的入侵检测技术,主要步骤为数据采集、数据预处理、训练模型、分类预测等几个步骤。现有的入侵检测技术中,数据大多使用场强或信道状态信息,数据特征单一,预测准确率低。本文主要采用仿真的多特征数据和实际采集的数据,提出了一种多特征融合的室内入侵检测。本文的主要内容和贡献如下:1.通过电磁仿真软件Fe Ko+Win Prop建模并仿真得到多特征数据。仿真WiFi多径传播数据后,研究了WiFi电波传播特性。分析不同场景下发射天线与接收天线之间的多径信息及WiFi电波传播情况,多个场景中生成有人和无人两种数据并使用卷积神经网络对数据分类,讨论不同场景下入侵检测的准确率以及对房间中人数的判断。2.研究实际场景CSI（Channel State Information）入侵检测问题,使用了实验室场景采集的数据和数据集EHUCOUNT中提供的CSI数据。对实验室采集的数据使用一维傅里叶变换和二维傅里叶变换对CSI数据的幅度进行处理,使用滑动窗口对数据处理的方法增加训练数据,从而达到CNN对数据的要求,获得更好的准确率。使用小样本学习算法和CNN算法进行实验对比。3.开发了一个WiFi电波传播及入侵检测系统。整个系统由8个模块组成。系统主要实现了入侵实时检测功能、云南大学东陆校区WiFi业务展示功能以及传播模型可视化功能,除了以上三个功能外还有项目简介、服务器管理、数据源和算法介绍等几个辅助功能。重点模块是使用three.js对采集数据的3D场景在网页端展示;在前端实时展示训练模型对实时采集到的CSI数据的预测结果;统计校园各个位置的WiFi信息并在地图展示。