建筑智能化的发展不仅增加了室内人员感知应用的需求,同时也对室内人员感知技术提出了更高的要求。室内人员感知技术分为接触式和非接触式两种,接触式室内人员感知技术需要用户主动配合,应用场景有限并影响用户体验,非接触式室内人员感知技术需要依赖复杂的硬件设备,成本较高。本文提出了一种非接触、低成本的基于无线感知的室内人员感知技术,该技术利用无线信号的信道状态信息（Channel State Information,CSI）进行室内人数估计和身份认证,主要工作如下:为了解决传统的室内人员感知技术存在的问题,本文对无线感知相关技术进行可行性分析,然后建立一种新的无线信号采集模型,为室内人数估计和身份认证提供理论基础和数据来源。在室内人数估计方面,为了提高CSI数据信号的利用率,同时分析CSI振幅和相位特征,建立离线数据模型实现人数分类。首先通过相位矫正和滤波预处理CSI数据,使用主成成分分析（Principal Component Analysis,PCA）提取稳定数据特征。比较支持向量机（Support Vector Machine,SVM）、邻近算法（K-NearestNeighbor,KNN）、人工神经网络（Artificial Neural Networks,ANN）和基于单层决策树的AdaBoost五种算法性能,选择AdaBoost算法作为人数估计分类算法。实验结果表明,在人员静止和随机运动时该方法具有良好的鲁棒性,可以有效解决室内人数估计问题。在室内人员身份认证方面,提出一种新的方法依据每个用户独特的呼吸模式验证室内人员身份。CSI信号的相位变化幅度可以表示由呼吸引起的胸腔周期性运动,利用相位差、子载波选择和滤波调参技术使呼吸数据最优化,结合峰峰值和矩阵变换可以提取有效呼吸特征。利用动态时间规整（Dynamic Time Warping,DTW）验证身份认证方法的可行性,通过比较五种不同分类算法建立最优身份认证模型。邀请8名用户对该方法进行评估,在不同的实验场景下所提身份认证算法均可达到90%以上的准确率。