基于位置服务(LBS)处于一个不断发展的趋势,之前人们依托于室外LBS可以实现本地新闻推荐、美食推荐等,而目前对于LBS的需求逐步扩展至室内,人们更注重于在商场中能否实时推荐口味较好的餐厅,在博物馆中能否实时介绍面前文物等。这一切需要完整的室内地图结合室内定位来实现,室内定位目前已发展至一个相对成熟的阶段,通过三角定位或指纹定位即可实现分米级的室内定位。而在室内地图构建领域,目前大多数研究中构建出的室内地图往往是没有标识的“栅格状格子”,而如何标注地图中的这些“格子”代表的真实场景是本文的研究对象。目前存在的室内场景识别方法大都利用众包采集用户手机数据来实现,将摄像头、麦克风、Wi-Fi、加速度计等不同种类的传感器数据相结合判断场景类型。现有的方法普遍存在一些局限性,比如在大部分方法中利用了摄像头和麦克风等隐私数据,一方面容易侵犯用户隐私,另一方面在不允许采集图像的场景中此类方法则无法进行识别;另外是设备功耗大,在采集过程中往往需要几十甚至上百人的众包数据才可实现一个场景的识别。为了解决上述研究的不足之处,本文提出了一种基于现有Wi-Fi基础设施的室内场景识别方法。通过Wi-Fi中提取解析到的CSI实现行为识别、人群计数等细粒度的环境感知。本文充分分析信道状态信息(CSI)波动,采用非零元素占比(PEM)算法对室内场景进行分类,并提出零先验知识的行为识别方法实现室内场景的行为感知,然后设计了一个基于行为的决策树分类器来确定房间类型。本文通过实验楼和商场的84个房间评估文中方法的可行性,结果显示该方法约达到90.5%的准确度。