人体动作识别是智能应用的重要研究内容之一。准确识别人类行为可以提高人机交互的质量和扩大智能应用的范围,对研究智能家居、智能教学视频、唇语识别、键盘识别等具有巨大的应用前景和经济价值。传统的动作识别存在照明敏感、成本高、需携带专用设备、隐私安全入侵等一些限制性问题。为解决这些问题,本文将依据无线信号的信道状态信息进行人体动作识别。本文的具体研究内容可以分为以下几部分:(1)对目前人体动作识别的相关研究现状进行总结,包括基于视频、基于传感器、基于无线射频等方面的研究现状;给出基于CSI的动作识别的典型研究;总结目前基于CSI的动作识别使用的动作分类方法;介绍描述无线信道的RSS和CSI,并对RSS、CSI进行对比分析。(2)搭建获取CSI数据的实验环境。然后,进行CSI感知动作信号能力测试。判断人的动作是否真的引起了无线信号的变化;然后在实验环境内收集不同动作对应的CSI原始数据包。(3)分析CSI原始数据包的组成和结构,解释数据包中各参数的含义;对所有代表不同动作的CSI数据包预处理,提取CSI振幅;依据振幅分析相同动作的CSI值和不同动作的CSI值;提取所有动作的CSI振幅构建动作数据库。(4)分析循环神经网络和卷积神经网络的基本原理知识,建立基于CNN和循环的深度神经网络结构。然后,将动作数据库随机分配为训练样本、校验样本和测试样本。使用训练样本和校验样本对模型进行训练、校验,然后使用测试样本对模型进行测试,最后得出不同动作的分类精确度。本文贡献:采集被不同人体动作影响的CSI数据,将提取的CSI数据转换为图像数据输入CNN;将CSI数据转换为时间序列输入RNN,分别实现基于CNN和基于的室内人员动作识别。通过使用神经网络,有效解决了室内信号传播的复杂性,消除了多人在动作幅度、运动速度等方面的多样性,实现了较高准确度的室内人员动作识别。