人体行为识别技术目前已经在身份识别,人机交互等领域取得了广泛的应用。近年来,伴随着无线网络技术的飞速发展,利用Wi-Fi信号在室内传输中的多径效应,以及人体对无线信号的遮挡,反射等特性,涌现了大量基于Wi-Fi的被动式人体行为识别研究。基于Wi-Fi的被动式人体行为识别系统与传统的基于可穿戴设备和基于视频图像的人体行为识别系统相比,具有不需要被检测者携带任何传感设备,易部署,可以非视距内等优点。本文设计并实现了一种室内环境下的被动式人体行为识别系统,并将它应用于身份识别以及帕金森综合征患者的及早发现这两个应用上。身份识别通过行走行为识别不同用户的身份,可以为用户提供个性化的服务。而通过老年人的行走行为的分析及时发现其行走姿态中存在的异常,就能为帕金森综合征的及早诊断做贡献,提升老年人的生活品质。首先对被动式人体行为识别的关键技术原理进行了详细的阐述,并选取信道状态信息作为行为识别的数据来源,对现有的基于Wi-Fi的被动式人体行为识别的特征选取方法以及分类手段进行了研究,总结和分析了它们的技术方案和优缺点。然后对Wi-Fi识别信息的选取进行了研究,通过实验分析了室内环境下人体行为对信道状态信息的振幅和相位影响,针对目前大部分系统未使用相位信息的情况,提出了一种选择合并算法,引入了天线之间的相位差信息。并针对人体行走行为的特点,提出了一种对信道状态信息的预处理流程,包括使用Hamepl滤波对原始的CSI数据进行异常点剔除,利用小波变换滤除信号中的高频噪声,通过FFT系数进行行走行为的判定等一系列方法,为将其应用于对身份识别以及帕金森综合征患者的及早识别这两个研究奠定基础。提出使用一种基于时间卷积网络的模型来完成数据特征的自动提取,相比传统的使用复杂统计特征的方法,提出的方法更加通用,适合进行多种活动的检测,不用人工手动的制定大量时频域的特征。最后对设计的系统进行了实验分析,以验证所提出系统的性能。分析结果表明,所提出的系统在身份识别以及帕金森综合征患者及早检测两个应用上分别可以达到平均97%以及99%的准确度。