随着信息科技的不断进步,无线局域网被越来越多的个人和单位部署在各种室内场景中。这也使得越来越多的科研人员将视线投向了它,并利用其开展了一些相关的应用研究。在许多的室内应用场景中,人体的入侵检测和室内定位是极有应用研究价值的。传统的人体入侵检测和室内定位主要利用射频识别、超声波、视频图像、红外线等,但是上述技术在精度上或者在成本控制上都存在着一些问题。然而无线局域网中的信道状态信息(Channel State Information,CSI)凭借其自身的特点和优势能较好的克服许多问题,因此逐渐成为许多研究人员的首选参考量。此外,为了实现效果更优的人体入侵检测及室内定位研究,本文还引入了可视图(Visiblity Graph,VG)方法来获取常规方法所不能提取的网络特征来实施入侵检测和提升定位效果。而且通过这种可视图网络化映射的方法将基于CSI的人体感知研究引入了一个全新的领域,为该研究方向的进一步发展做出了一定的贡献。本文的研究工作主要包括:(1)对传统的人体入侵检测及定位技术进行总结分析,指出传统方法的不足,并分析了CSI和复杂网络的研究进展;(2)介绍了CSI具体原理和获取方法以及可视图网络方法的具体原理,并简单介绍了几个常用的机器学习算法;(3)用可视图方法与CSI时间序列结合进行人体入侵检测的实现;(4)将可视图方法经类比推理从时间序列推广到子载波序列信号上,构建可视图网络获取更多有效特征用于提升室内定位;(5)进行不同的对比实验,探讨和分析相关因素对入侵检测和室内定位的影响,并通过实例具体说明经可视图建网方法所提取的特征对定位效果提升有帮助;(6)分析比较了不同机器学习算法定位下的时间和准确率关系,给出了一些在不同场景和不同需求下的算法选择意见。