随着商用无线网络的应用范围的不断扩大及智能家居行业的不断兴起,手势识别技术及基于手势动作的陌生人识别技术作为其中的两项关键技术,越来越受到人们的关注。在以往的研究中,人们更多的将重点放在基于特殊设备的手势识别系统上。尽管该类手势识别系统能够达到较高的识别率,但由于这些设备具有的所需成本较高,携带不方便等问题,使得这类手势识别系统的应用范围并不是很广,严重的阻碍了这一领域的发展。综上所述,本文的研究重点是提出一种基于信道状态信息的准确率较高的多种手势识别方法,并在该方法所使用的部分技术的基础上,提出一种能够通过不同人的同种手势动作来识别陌生人的方法。针对多种手势的识别问题,首先,本文在原始数据的选择环节提出了一种基于相位信息的线性变换方法来提高收集到的原始数据的有效性。其次,在数据去噪环节本文使用自适应阈值的小波去噪方法对提取到的原始数据进行时频域上的去噪处理。由于经过去噪处理之后仍然会有一小部分与整体趋势不符的子载波的存在,所以对去噪后的数据通过选取一些时域上的特征值并将之放入分类器中分类,进行二次处理。再次,在异常值提取阶段,本文提出了一种基于滑动窗口方差的异常值提取方法,该方法有效的避免了因为局部异常因子方法中k值选取的不准确造成的异常值丢失的问题。最后,通过选取一些时频域上的特征值,并将它们放入KNN分类器中分类,从而达到了准确识别手势动作和增加手势识别种类的目的。针对陌生人的手势识别问题,与以往所提出的解决方法不同的是,本文将陌生人的手势识别问题归结为对不同人的同种手势的识别问题。首先,本文仍然将经过线性变换的相位信息作为原始数据,为了较好的去除混杂在原始信号数据中的高频噪声,保留低频信息,本文使用高斯低通滤波器对原始数据进行去噪。其次,为了更准确的提取到异常值中具有明显区别性的特征,本文提出了一种基于滑动窗口的四分位距方法,在通过调节检验系数来改进该方法所具有的覆盖率较少的缺陷的同时提取出异常值数据。最后,本文同样通过选取一些时频域上的特征,并将它们放入随机森林分类器中,利用该分类器所具有的优点,从而达到准确识别出陌生人的手势动作的目的。