由于沉重的负担和压力,越来越多的人无法获得良好的睡眠质量。家庭睡眠监测系统可以帮助人们评估睡眠质量、诊断可能出现的健康问题,引起了专家学者的研究兴趣。传统睡眠监测系统面临着诸多问题,例如设备昂贵、侵犯隐私和影响睡眠舒适度等。由于近年来Wi Fi无线网络在室内得到大规模部署,基于CSI的睡眠监测系统得到国内外学者的广泛关注。针对现有CSI睡眠监测系统的呼吸频率检测准确率偏低、睡眠姿势识别准确率偏低的问题,本文研究并实现了一种基于信道状态信息（Channel State Information,CSI）的新型睡眠监测系统,包括呼吸频率检测子系统和睡眠姿势识别子系统。本文的主要工作包括以下三个方面。1)为了准确估计睡眠者在各种睡姿下的呼吸频率,本文研究并实现了一种基于子载波选择和伪峰消除的呼吸频率检测子系统,包括分离静态CSI,噪声滤除,子载波选择和波峰检测四个部分。该子系统首先对原始的CSI幅度进行异常值处理,然后利用滑动窗提取静态睡眠状态对应的CSI幅度序列,并使用带通滤波器滤除噪声;接着提出了一种新的子载波选择方法,选择合适的子载波提取CSI幅度序列;最后设计了一种基于伪峰消除的波峰检测方法,可以统计一段时间内的波峰数量来估计睡眠者的呼吸频率。2)为了准确识别睡眠者的不同睡眠姿势,本文研究并实现了一种基于功率占比的睡眠姿势识别子系统。待识别的睡眠姿势包括仰卧、俯卧和侧卧。侧卧可以直接通过CSI幅度值域范围的差异识别。由于仰卧和俯卧对信道的影响过于相似,仰卧和俯卧的区分是该子系统面临的技术挑战。为了解决该技术难点,本文首先分析仰卧和俯卧CSI幅度正弦失真程度的不同,然后设计一种基于呼吸频峰功率占比（PBPPR）的仰俯卧区分方法。接着为了进一步提高区分准确度,本文在PBPPR区分指标的基础上提出一种基于呼吸频峰邻段功率占比（PBNZPR）的睡姿区分方法。最后为了利用天线空间的多样性,本文提出基于最大化功率占比的天线筛选来获得更高的睡姿识别准确度。3)对比现有的睡眠监测系统,本文设计的系统将仰卧、俯卧和侧卧的呼吸频率估计误差分别缩小21%、78%和80%,并将三种睡姿识别准确度分别提升27%、16%和22%。当收发机间距或者发包频率不同时,本文设计的睡眠监测系统仍能达到0.75bpm以内的呼吸频率估计误差和81%以上的睡眠姿势识别准确率。实验结果表明,本文设计的睡眠监测系统能达到比较高的呼吸频率检测和睡眠姿势识别准确度。