基于无线感知的人体属性识别作为一种新兴技术,是被动无线定位与行为识别技术的进一步推进,其原理是无线网络中的人体将会对其周围的无线信号产生影响,而这种影响会随着人体属性的不同而存在差异,因此通过对无线信号的分析可以实现人体属性的识别。如今我们生活的空间中遍布了多种无线信号,如广播信号,WiFi信号等,这为该技术的研究与应用提供了基础条件,同时也使得无线感知技术更加经济适用。此外,与传统携带设备的主动感知技术相比,无线感知技术不需要携带任何硬件设备,仅通过空间中的无线信号实现感知,因此更具便利性。随着科技的不断发展,该技术在智能家居、安防救援等领域中将会有广阔的应用前景。基于无线感知的人体属性识别技术的重点在于识别人体对周围无线信号所产生的影响,按照识别方式主要分为两类,基于模型构建的无线感知技术和基于模式识别的无线感知技术,前者重点在于模型建立,后者重点在于特征提取。本文分别对基于模型构建和模式识别的两种感知方法进行了探索,并且通过实验证明本文所提方法的优越性。在模型设计方面,本文提出了一种基于动态差分相位分析的无线感知方法。该模型仅利用对感知系统有积极作用的动态信号实现感知,采用动态差分相位作为观测量进行感知。此外,为了探究空间中最佳的感知位置,本文提出利用动态差分相位变化率模型分析空间中每个位置无线信号受影响的程度,进而选择最佳的无线感知区域;最后,还提出了变尺度接收天线间距系统,在目标固定的前提下,通过调整接收天线间距改善感知效果。本模型对于无线感知的实验设计具有指导性作用。在基于模式识别的无线感知技术方面,本文提出了基于呼吸特性的人体身份识别技术,采用稳定性和普适性良好的本征特征实现人体身份识别。与传统的身份识别技术相比,本文提出的身份识别系统通过人体独特的呼吸特性实现高准确率的身份识别,更具普适性。此外,该系统采用的本征特征很大程度的解决了传统特征对环境噪声敏感的问题,感知效果稳定。本文设计了大量实验用以验证上述两种方法的可行性与优越性。利用字符识别、呼吸监测以及到达角估计三个实验证明差分相位变化率模型,并且指出该模型对无线感知的指导作用。此外,通过改变环境以及对比实验,验证基于呼吸特性的人体属性识别方法更加普适和稳定,并且可以实现高准确率的身份识别。