在WiFi环境下通过提取WiFi前导信号,进行对周边环境的感知,特别是完成无穿戴设备人体姿态或者动作的识别,应用潜力巨大。如何提高基于WiFi信号的目标识别分辨能力和准确率是本文要研究的主要内容,具有重要理论意义和应用价值。本文选题来源于国家自然科学基金“通信与智能感知一体化研究”等项目。本文针对无线WiFi信号和雷达感知信号的融合技术进行了深入研究,从而实现WiFi信号感知性能的提升,主要取得了以下具有创新性的研究成果:针对WiFi前导信号感知分辨率较低的问题,提出基于接收干扰删除的WiFi长前导信号与雷达感知信号叠加融合方法。首先在发送端将WiFi前导和短时chirp信号时域融合替代原前导,接收端使用融合长前导信号进行目标识别;然后在完成精细同步估计功能时,融合长前导信号与本地长前导信号相关运算之前将叠加的chirp信号删除分离。该方法提高了前导信号的识别能力,例如针对不同尺寸物体目标的分辨率提高了约10%,同时最大程度地减小了对信道估计的影响。针对时域叠加融合方法对采样率要求较高,并且删除残留会对信道估计造成影响的问题,提出WiFi前导和chirp信号卷积融合方法。为了不占额外带宽和时隙,使用和前导信号长度与带宽均相同的chirp信号与长前导信号进行卷积融合,替代原重复一次的前导信号,接收端在信道估计前先进行解卷积分离。研究表明该信号自相关性优良,频域起伏特征明显,使用卷积前导分辨目标时,接收信号特征差异更加显著,例如针对不同尺寸物体目标的分辨率低信噪比时也可以提高20%至30%。该方法实现了信道估计抗衰落能力优于时域叠加,可以融合更多成分chirp信号的效果。针对前面两种融合方法,均会对前导信道估计抗衰落性能产生一定程度影响的问题,本文又提出信号频域幅值叠加融合的方法。这使得融合前导信号的信道估计完全不受影响,实现了具有与原长前导信号相同准确性与抗衰落性的效果。与此同时,在相同条件下对不同大小目标识别的研究表明,分辨差别较小的目标时,准确率比WiFi前导有所增加。从而通过信号频域幅值融合,实现了提高原WiFi前导识别能力的效果。针对无线信号识别目标不是固定在某一坐标位置,有时还会在指定区域内位置姿态有变化的问题,本文使用时域有限差分电磁仿真研究方法,在使用上述融合方法完成固定位置差别细微目标识别的基础上,提出对指定区域内位置姿态有随机变化的目标例如站立跌倒人体目标,进行识别分辨的研究方法,实现了扩大融合信号适用范围的效果。论文最后总结全文的研究工作,并对WiFi前导信号与雷达感知信号融合技术,可开展的进一步研究工作提出了建议。