无线感知领域的发展,离不开基础无线设备的普及和很多科研工作者在该领域所做的努力。其中,利用Wi-Fi信号进行动作识别是无线感知领域的一个重要研究方向。目前的动作质量评估系统通常采用传感器技术来实现,然而,由于传感器设备的传感范围有限,部署和维护成本较高,无法满足不同应用场景的需求。基于Wi-Fi的动作识别和动作质量评估具有成本低、普适性好等优势,可以弥补传感器等设备的不足。本文的主要研究内容是基于Wi-Fi的动作识别和动作质量评估,并经过大量的实验验证了方案的可行性和稳定性。本文的主要贡献点如下:对动作类型进行识别。在动作识别之前,由于收集到的是连续动作的信号,需要将连续动作信号进行分割。经过大量的实验数据的研究发现,当每个单一的动作结束的时会引起信号功率的急剧下降。我们通过这一发现来识别每个单一动作的结束位置。具体地,我们首先使用快速傅里叶变换（Fast Fourier Transform,FFT）对收集到的信号进行时频处理,再对处理过的信号进行能量分布的计算,从而得到动作的结束位置。在识别到结束位置后,通过滑动窗口的设置,发现动作的开始位置。通过上述的方法,便可以实现连续动作向单一动作的转化。接下来,利用Gabor滤波器自动有效地提取每个单一动作的特征来刻画不同的动作;最后,使用随机森林模型对动作进行分类识别。对动作质量进行评估。由于本文中的动作是一项涉及到身体不同部位以不同速度、不同频率运动的复杂运动,很难提取出可靠的特征来评价体操动作的规范性。为了解决这一难题,我们不仅提取了信号的时域（振幅和相位）特征,而且还提取了信号的频域特征。针对抓取到的每个特征的集合,采用动态时间归整（Dynamic Time Warping,DTW）技术来量化待评估动作特征与标准动作之间的距离。量化的距离随后被输入到模糊推理系统（Fuzzy Inference System,FIS）中,输出最终动作质量的评估的结果。在典型室内环境下的实验结果表明,本系统的动作识别的平均准确率为95.8%,动作质量评估的准确率为89.5%。