随着物联网的强势发展,各种新型物联网应用与技术手段层出不穷。其中,两方面的技术发展引起了人们的广泛关注。一方面,无源反射通信技术的出现极大降低了通信能耗,打破了能量瓶颈限制物联网发展的局面。另一方面,基于物联网的行为感知技术有效扩展了物联网技术的应用场景,成为万物互联的重要环节。本文的工作将这两方面的研究进行有机结合,实现基于无源反射技术的人体行为感知与身份认证。本文的工作无需增加额外设备,仅以无源反射信号作为行为感知的信号载体,从而可以在保持低能耗的前提下,为低性能的物联网设备提供人体感知能力,从而有效扩展了物联网应用场景。本文聚焦基于无源反射技术的非接触式人体行为感知,从动作粒度、语义复杂度两个维度研究更精细、更有效的感知技术,并提出一系列针对人体微小动作的感知识别与身份认的工作。具体工作包括:针对小动作、固定语义场景,本文提出了基于无源反射的手写识别系统Word-Fi。我们设计了自适应分段算法,可以对输入动作进行准确的分割。通过对信号在时域、频域以及相位域上的特征进行提取并分类,对人手写26个大写英文字母的识别率可达90%,而通过对识别出的字符串进行纠错组词,我们可以取得高达96%的单词识别率。在多人场景中,我们利用了无源反射信号辐射范围小的优点,在经过滤波去除干扰后,可以支持多人近距离同时交互。针对微动作、固定语义场景,本文提出了基于无源反射的指尖动作的识别与身份认证系统Finger-Fi。我们将所感知的动作规模进一步缩小,实现了指尖级动作的感知识别,同时通过分析不同人指尖动作的特点,来实现身份认证。我们根据实际需求设置了两个常见的应用场景,针对不同的应用场景,分别给出了适应环境的高精度的动作分段算法。通过对信号时域、频域、变化速率上的特征提取与分类,我们实现了更小也更难以区分的26个小写英文字母的识别,准确率可达93%。同时,通过分析不同人的画写动作特点,我们还能够实现用户的身份认证,准确率为95%。针对微动作、复杂语义场景,本文设计了基于无源反射的唇语识别与身份认证系统BackLip。我们将感知的工作推进到了人说话时嘴唇的动作,通过分析人在说话时嘴部运动的特点来实现用户身份的认证,通过对输入内容的分析来实现指令交互。在该系统中,用户在输入密码进行登录时,无需发出声音,只需默念密钥便可成功认证。由于每个人讲话都具有独特性,这使得攻击方即使在知道密钥的情况下也无法入侵,极大的提高了系统的安全性。此外,在对指令内容进行分析识别后,亦可实现人机交互。身份认证与指令识别相结合的方式,可以提供更舒适的个性化服务。实验结果表明,系统可以达到97.4%的身份识别率和88.3%的指令识别率。本文的系列工作将关注点集中在基于无源反射技术的用户动作感知与身份认证问题,以更微弱的动作、更复杂的语义为目标开展研究。研究成果表明,基于无源反射信号的行为感知与身份认证可以在轻量级计算上实现高精度的识别,并且能耗低,且具有一定的抗干扰能力,方便部署在物联网设备,为物联网下的感知应用提供一种新的可能。