无线通信与物联网技术的飞速进步,推动了人机交互环境的智能化建设与普及。充分利用广泛部署的WiFi无线网络所建立的射频信号覆盖区域,不仅实现宽带数据通信功能,也能通过检测信号变化模式来揭示环境发生的变化的无线感知能力,实现无线通信与感知一体化的新愿景。近年来,涌现了大批基于WiFi信号的手势识别研究,提出许多利用机器学习建模的方法。但是,由于收集的信道状态（CSI）数据不完整,并且与场景高度相关,如果不对收集的数据进行针对性、系统性的处理,训练好的模型实际上泛化性能难以满意,当出现新的识别场景时,为保证识别性能,往往需要对新场景的数据进行额外的学习训练,从而很难推广实用。研究基于WiFi信号的跨场景手势识别方法和技术,并有机整合成识别系统具有理论意义和应用价值。本文深入研究了WiFi识别技术。首先综述了研究背景与意义,以及WiFi识别方法和感知模型的国内外研究现状。其次介绍了与WiFi识别相关的预备知识。最后在此基础上,针对WiFi信号提出了一种新的跨场景手势识别系统。在系统中,根据WiFi设备特点对数据进行预处理,并从数据计算提取出与环境,位置,方向无关的人体坐标系下的速度谱（BVP）作为输入特征,然后设计了一种3D卷积神经网络（3DCNN）与对抗网络相结合的模型来捕捉BVP在空间和时间上与人体无关的特性来进行学习分类,实现跨场景手势识别。该系统能够从采集数据中获取与环境,位置,方向和人体这些场景因素无关的手势信息,仅需在特定场景的数据中学习训练,就可以应用到不同场景的手势识别。本文采用了网络公开数据集对提出系统进行实验验证,实验结果表明,对于6个不同动作手势,跨场景的平均识别精确率达到了88.83%。针对不同的场景因素,跨场景的平均识别准确率介于87.28%-89.41%之间,能够实现跨场景手势识别。并且与近年来的跨场景手势识别相比,本文的方法识别准确率更高,与现有效果最好的方法相比,识别准确率高出了2.7%。