随着社会的发展,身份识别已经与我们的生活息息相关。生活中许多地方都需要进行身份验证,无论是通过证件还是密码,亦或是指纹、人脸和虹膜,这些方式都有它们各自的局限性,比如需要随身携带或与人体接触,以及泄漏隐私等问题。因此,无设备、无接触的基于无线信号的身份识别方式受到了研究人员的广泛关注。其中,随着WiFi设备的广泛普及,基于WiFi信号的身份识别在近几年成为了研究热点。本文主要从两方面研究了基于WiFi信号的身份识别。一方面是基于步态的身份识别方法研究。步态作为人的一种生物特征,被广泛应用于身份识别当中。当人在行走过程中,会对周围WiFi信号中的信道状态信息（Channel State Information,CSI）产生影响。通过对CSI时间序列的分析,从中提取出与人的身份信息相关的步态特征,可以实现身份识别。然而,传统的机器学习方法对于不同时间采集的数据,泛化能力不足。因此,提出将不同时间采集的数据分别看作源域和目标域,通过域自适应神经网络模型使不同的域相互映射,以提高泛化能力。另一方面是基于活动的身份识别方法研究。人的活动同样会对CSI造成特定的影响,从中提取出每个人特有的信息,可以实现身份识别。本文提出了一个基于WiFi和活动的身份识别（WiFi and Activity Based Identification,WAID）框架。由于不同人做同一种活动的CSI波形较为相似,在时域和频域中所能提取到的特征较少,WAID使用二维分数傅里叶变换将数据变换到分数域,可以提取到更多的特征信息。实验结果表明,WAID在多种情况下都具有良好的识别效果,在6人的实验条件下,获得97.7%的平均识别准确率。