随着“物联网”概念的提出和室内无线接入设备的广泛部署,基于Wi Fi的环境感知技术可以通过现有的无线设备实现对周围环境的感知,同时在人员动作检测、医疗监护、室内定位等多个领域都具有十分重要的研究意义。该技术主要是依据环境中物体的移动对信号传输链路产生影响,收集无线信道的两大特征:接收信号强度指示（Received Signal Strength Indicator,RSSI）或信道状态信息（Channel State Information,CSI）,并对采集到的信息特征进行研究,从而实现从无线信号到人体行为的映射。其中,基于RSSI的感知技术容易受到多径效应干扰,导致最终识别精度不高。与RSSI相比,来自无线通信物理层的CSI能够从子载波的尺度对Wi Fi信号的信道状态进行详细描述,更加细粒度地刻画动作,实现高精度感知。本文结合已有工作详细介绍了几种典型的环境感知技术,分析归纳了每种技术的应用方案和优缺点,同时深入研究基于Wi Fi的行为感知方法,就该研究方向的两个热点问题提供了解决方案,即基于CSI的康复动作识别系统和基于CSI的行人携带可疑物检测系统。在基于CSI的康复动作识别系统中,系统采用兼具时域和频域信息的CSI波形作为动作特征,利用Hampel滤波、巴特沃斯滤波、线性判别分析算法（Linear Discriminant Analysis,LDA）等多种信号处理技术对动作信号进行预处理。系统设计了两种数据增强技术扩充实验数据集,实现低成本、高精度的康复动作识别。在此基础上,系统借助于权威的功能评价标准,对康复程度打分评级。在基于CSI的行人携带可疑物品检测系统中,为了降低数据复杂性,系统使用主成分分析算法（Principal Component Analysis,PCA）对高维信号降维,利用卷积神经网络（Convolutional Neural Network,CNN）对不同类别物品进行分类,从而实现对室内环境中行人携带可疑物品的检测。最后本文通过大量实验对两个系统的性能进行评估,结果表明基于CSI的系统具有可行性和鲁棒性。