呼吸是维持一个正常生命的重要基础,它时刻反映着人们的生活健康状态。现阶段,一些接触式设备提供了高精度、高信噪比的呼吸信号检测方法,但接触式检测会引起目标行动不便或导致其产生异物感等问题。因此,如何通过非接触的设备进行呼吸信号的提取是迫切需要解决的问题。随着室内无线WiFi设备的普及,基于无线传感器的目标呼吸检测算法研究得到了广泛关注。但是,由于室内环境的复杂多变,墙壁、地板、家具及其他障碍物的阻挡影响了无线信号的传播并造成了多径效应。多径效应会使信号产生不同程度的衰减,影响信号质量。同时,目前流行的Intel 5300网卡,虽然提供了信道状态信息CSI(Channel State Information),但其在信号收发间引入的随机相位偏差会对CSI相位产生干扰,导致CSI相位无法直接使用。针对上述问题及现存的技术难点,本文做了如下工作:(1)本文先阐述了利用无线传感器进行呼吸检测的原因与目的以及国内外的研究现状,接着介绍了常用的WiFi信号数学模型和神经网络模型。(2)本文提出了一个基于WiFi的呼吸检测算法,该算法首先利用MUSIC、RAP-MUSIC算法对空间中的路径AOA(Angle of Arrial)进行估计,接着利用多径效应去除随机相位偏差来提取纯净的CSI相位信息并进行目标呼吸检测。(3)本文提出了一个基于矢量网络分析仪的呼吸检测及人体目标识别算法,该算法将矢网提取的高质量呼吸信号进行标注,然后作为输入来训练神经网络进行目标识别。接着,本文提出了基于模型的迁移学习方法对模型进行优化,提升了识别精度。(4)本文展示了之前所提算法的实验结果,并进行了详细的对比及分析,实验结果验证了算法的可行性与鲁棒性。基于上述的算法模型研制的呼吸检测系统,能实现室内的长期非接触式呼吸监测,对人们的身体健康进行持续的观测。目标识别算法,能通过对室内目标的身份鉴定,给居家生活带来一定的安防保障。