近年来,被动式的行为感知技术逐渐成为很多应用的关键技术,比如室内导航,动作和行为识别应用。通过利用WiFi波在室内的多径效应,结合人体对WiFi波的遮挡、反射等特性,基于WiFi的被动式人体感知技术逐渐成为了研究热门,国际上也涌现出了大量的相关应用。而在这些应用中,身份识别技术是一项基础并且关键的技术,这些应用若能够识别用户的身份,就能够为不同的用户其提供不同的服务。但是基于WiFi的身份识别的技术难点在于室内的多径效应会对无线信号的特征产生较大的干扰,所以如何分析这种不稳定的特征并利用其实现鲁棒的身份识别是一大挑战。本文设计并实现了一种被动式并且低成本的身份识别技术。该技术利用从WiFi中提取的细粒度无线信道状态信息CSI(Channel State Information),并辅以从脚步声中提取的声学特征,通过融合的特征信息来达到鲁棒地检测用户身份的目的。为了能在实际场景中达到高准确率,系统使用了噪声分析技术并且得出两个置信值来分别定量表征无线信道测量和声音测量时的噪声影响。基于准确的步态分析,系统能够自适应地将声音特征以及无线信道特征相融合并判断用户身份。本文的主要贡献点与创新点如下:1.本文提出了一种定量的无线信道状态噪声以及声音噪声的分析算法。通过构造噪声分析器,得到置信值来表征噪声大小来实现自适应的特征融合。2.本文设计了一种被动式的身份识别方案,该方案能够在较低的部署开销情况下利用无线感知以及声学感知技术,通过多模态融合的方法提升识别精度。3.本文设计实现了一个身份识别系统RAPID,并利用商用设备搭建了 RAPID节点,开发了一套相关API,最后利用实验来考察它的性能。实验结果表明,该系统能够达到92%的准确率,相比于国际上最先进的基于WiFI的单模态方法,提高了大约15%的准确度。