随着新一代无线互联网和物联网技术的广泛应用,现代生活逐步向智能化方向发展。由于人口老龄化问题逐步加重,人们对于开发一套室内人体智能监护系统的需求日益强烈,而现有技术方案并不能达到高检测率、高鲁棒性、低成本且不涉及隐私问题等要求。随着无线网络的广泛覆盖,基于Wi-Fi的人体活动雷达技术因其非侵入性、造价低廉等显著优点,得到研究人员的广泛关注。如今,利用现有Wi-Fi设备实现了细粒度的信道状态信息(Channel State Information,CSI)的提取,为基于Wi-Fi设备的室内人体智能监护系统的研究带来了转机。现有的基于Wi-Fi的室内人体智能监护系统面临的主要问题:在室内复杂多变的信道环境下,系统要求精度更高、更可靠的检测算法;提取对环境无依赖且能反应人体动作特异性的特征,是提高系统鲁棒性的关键问题。针对上述问题,本文设计了一套基于Wi-Fi的室内人体智能监护系统方案,该方案可检测人体生理呼吸及活动轨迹,还可在发生意外摔倒时发出警报,本文主要的研究内容如下。首先,介绍了基于Wi-Fi的人体活动雷达技术的研究现状和基础知识,分析了现有基于Wi-Fi的室内人体智能监护系统面临的难点问题,主要针对人体生理呼吸检测和异常摔倒检测两个方面的关键技术问题展开研究。其次,本文针对现有基于的Wi-Fi呼吸检测中存在某些位置上使用单一幅度或相位信息,而无法有效检测到呼吸的问题,通过建立Wi-Fi环境下人体呼吸运动的模型,分析了呼吸运动对无线信号的影响;进一步,通过分析菲涅尔区理论,验证了相位和幅度可检测区域的互补性,提出了一种联合相位和幅度的呼吸检测算法,对传统的基于快速傅里叶变换(Fast Fourier Transform,FFT)的呼吸检测算法进行改进,消除了人体微小动作对检测性能的影响,以提高呼吸频率估计的准确度,并扩大可检测范围。最后,针对基于Wi-Fi的摔倒检测在环境变化时存在的鲁棒性差、检测率低的问题,提出了一种基于主成分分析(Principal Component Analysis,PCA)的动态子载波选择算法,通过在不同环境下动态选择主成分数量,减少计算开销的同时,抑制环境噪声的影响,以提高摔倒检测在不同环境下的鲁棒性;进一步,通过分析摔倒动作与其他日常动作的区别,引入了更能反映摔倒特异性的时频特征,提出了一种基于功率突发曲线的动态阈值检测算法检测出摔倒及其类似动作;最后,通过特征选择优化输入支持向量机中的特征,降低了训练成本。经实验验证,本文所提的基于Wi-Fi的摔倒检测方案在各类复杂室内信道环境下,平均检测率达到93%,误警率降为8%。