目前,人类行为识别研究在人机交互领域发挥着举足轻重的作用。随着无线网络的快速发展,Wi Fi信号在公共生活中被广泛的普及和应用,使用Wi Fi信号收集人体的移动信息作为一个新兴的研究热点,正得到智能家居,入侵检测等多个领域的关注。使用无线网络收集人体移动信息,具有部署简单、成本低、应用场景广泛等诸多优点。同时Wi Fi信号中的信道状态信息能够被用于分析人体的步态信息,从而为身份认证技术提供有力的数据基础。每个人的步态与每个人的指纹虹膜一样是每个人特有的生物特征,它不易被模仿只与每个人的身高体重走路习惯有关。由于多径效应的影响,不同的人在行走时会对信道状态信息的幅值和相位造成不同的影响。因此本文提出一种基于信道状态信息的人体步态识别方法。本方法首先对采集的CSI数据进行预处理,预处理后使用一种自适应阈值的行走区间分割算法对数据中行走区间和静止区间进行分割。然后将行走区间的数据转化为载波能量图,载波能量图中包含丰富的人体行走特征。最后使用卷积神经网络完成对各种步态的识别。在实验的验证阶段,在测试人员为10人时,本方法的准确率为91%以上,展现了良好的识别性能。目前研究者们在对人体移动信息研究时,对人体移动方向的研究很少。人体移动方向的研究也十分重要,能在很多应用场景中发挥着重要的作用,比如在看护老年人时,不同的移动方向代表要做不同的事情,可以通过老年人不同移动方向及时对他们的行为做出预判。因此本文提出一种基于信道状态信息的人体移动方向识别方法。首先对CSI数据进行相位矫正和预处理,然后将多普勒速度以及小波包分解后各个频段的能量特征和小波包系数特征作为特征值。最后使用支持向量机对平行于视距方向和垂直于视距方向进行分类。在实验验证阶段,两个方向的识别准确率为88%以上,达到了预期效果。本文提出的基于信道状态信息的人体移动信息识别方法,能够在步态识别和移动方向识别中展现了较高的识别准确率。在入侵检测以及老年人看护方面具有研究意义和应用价值。