随着无线网络技术的飞速发展,利用无线网络进行人体运动检测已经成为一项新兴技术,在安全防护、智能家居应用等方面存在巨大潜力。室内无线信号传播存在多径效应,人体运动可以使室内无线信号的传播路径发生改变,因此,可以利用无线信号感知当前环境下的人体运动特征。与传统的基于传感器和视频图像的人体运动检测技术相比,基于无线网络的人体运动检测技术无需被检测的人员佩戴特殊装置,不依赖于部署密集的传感器节点或监控摄像头,且在收发装置之间存在障碍物遮挡或光线较弱的情况下能够正常工作。本文提出了一种基于物理层信道状态信息(Channel State Information,CSI)的复杂场景下人体运动检测方法。文中首先深入探究了CSI振幅和相位信息变化对人体运动,尤其是快速、剧烈运动的敏感性,通过大量实验,找出人体运动特征对CSI振幅、相位的影响规律,从中提取出信号变化特征,并利用机器学习中的单类支持向量机(One-class Support Vector Machine,OSVM)对多目标的剧烈人体运动进行检测。针对更加复杂的场景——无线链路中存在障碍物遮挡的情况,文中研究了视距路径(Line-Of-Sight,LOS)和非视距路径(Non-Line-Of-Sight,NLOS)条件下的信号包络分布,利用信道冲激响应(Channel Impulse Response,CIR)分布的偏度特征对LOS和NLOS进行识别。在识别出当前无线链路中为LOS条件还是NLOS条件后,对人体运动进行分析与检测,进一步提高了人体运动检测的准确度。本文提出的基于CSI的人体运动检测方法将人体运动与广泛应用的无线网络技术关联起来,充分利用了无线网络资源,一定程度上降低了设备部署成本,为人体运动检测提供了更有力的手段。