行为感知是机器分析和理解人或者动物等对象行为特征的方法。基于Wi-Fi信道状态信息（Channel State Information,CSI）的行为感知技术具有低成本、覆盖广等优势,得到了广泛关注。然而基于Wi-Fi 的行为感知受信道带宽、环境条件等因素的影响,存在着感知精度不高的问题。本文针对商用Wi-Fi设备在行为感知中的局限性,以聚合带宽和多设备协作为例分别展开研究,旨在提升基于Wi-Fi的行为感知系统的精度。针对Wi-Fi信道带宽有限导致感知分辨率不足的问题,本文提出一种基于Wi-Fi的行为感知分辨率提升机制。通过多Wi-Fi信道快速切换机制在极短的时间间隔内从多个相邻Wi-Fi信道中采集CSI,并通过相邻Wi-Fi信道聚合机制获得聚合信道的CSI,把Wi-Fi信道的带宽扩展为可切换信道的全部带宽;构建“时域-频域-空间域”的特征提取模块,完成对聚合CSI的特征提取。实验结果证明,使用了所提出的分辨率提升机制后,行为识别准确性从88.6%提升至96.4%,有效提高感知分辨率。针对环境条件变化影响感知精度的问题,本文面向多Wi-Fi设备协作场景,提出一种最佳感知链路动态智能选择机制。将Wi-Fi链路选择制定为一个顺序决策问题,构建了一个深度强化学习智能体,采用强化学习对问题进行求解。根据Wi-Fi环境和对象的动态变化,智能化地对多条链路进行权重排序,并由智能体选取最能表征该区域中目标姿态、活动和位置等情景信息的链路。根据该链路的CSI构建无线信号与对应区域内目标状态的关系模型。实验结果证明,在多Wi-Fi 设备协作下,该机制仅需使用一条 Wi-Fi 链路就可以达到多条链路的近似性能。