近年来随着物联网应用如火如茶地发展,针对室内人体的无线活动感知技术正响应智慧生活的倡导,与人们的日常生活产生千丝万缕的联系,例如室内定位导航、安防监测和医疗监护等,为人们的室内生活带来了极大的便利,也为各种位置服务发展提供了潜在的机遇,助力智慧生活从概念走向现实。而Wi-Fi技术因其传输速率高、部署成本低廉等优点,在无线活动感知领域引起广泛重视,因此对基于Wi-Fi的室内人体活动感知方案研究具有应用价值。本文根据现今室内人体活动感知的两个主要阶段:位置感知和行为感知,分别提出基于RSSI传播模型的室内定位方案和基于CSI的人体行为识别方案,利用不同粒度的无线信号以满足室内人体活动感知需求。针对位置感知需求,首先介绍了RSSI测距模型的参数估计与修正方法；其次从非几何定位的角度、基于仿生学的理论,提出了一种改进的定位算法——DW-SAPSO定位算法,并在不同的实际场景下对其进行验证。实验结果表明,由于模拟退火及惯性权重递减机制的引入,改进算法在空旷半封闭和全封闭的实验场景中的定位精度和收敛性能都有所提升。针对行为感知需求,首先阐明RSSI对多径信道的刻画精细度不如分辨率在子载波尺度的CSI，因此选取CSI来实现更细粒度的活动感知;其次对CSI原始数据进行幅度和相位的预处理,基于移动方差阈值和小波变换分别提出两种减少计算开销的机制;且在特征提取中提出引入多普勒功率谱,最后提出采用组合分类器加权投票方法用于行为识别。在不同的实际场景下对所提方案进行验证,实验结果表明在半封闭的走廊和全封闭的实验室场景中,所提方法的总体行为识别正确率较单一分类器有所提升;与此同时随机森林对跌倒动作的特征最敏感,对跌倒这一动作的识别正确率最高。