随着网络技术的发展和Wi-Fi基础设施的广泛普及,移动智能设备和无线网络已经渗透到人类生产生活的各个方面,基于位置的服务（Location Based Service,LBS）逐渐成为人们生活中不可或缺的部分。定位是各种位置服务的最重要部分。随着城市化的发展,现代人的生活环境逐渐从室外转移到室内。尽管目前基于卫星的室外定位和导航技术已经较为成熟,并且得到了广泛应用。然而,卫星信号无法穿透钢筋水泥等建筑物,导致卫星定位难以应用于室内环境。因此,寻求新的信号来实现室内人员检测和定位技术具有重要的意义和价值。近年来,基于Wi-Fi的室内人员检测和定位技术得到了学术界的广泛关注。但是,大多数现有的室内人员检测和定位方案具有受环境影响大,准确度低,模型复杂,需要人员携带特定设备等缺点,限制了方案的普适性。因此,设计普适可靠的被动式室内人员检测和定位方案显得尤为重要。在人员检测方面,本文提出一种Wi-Fi被动式室内人员检测方法。该方法基于信道状态信息（Channel State Information,CSI）,预处理后生成CSI特征指纹,并通过BP神经网络判断室内场景是无目标状态、存在静态目标状态或是存在动态目标状态。为了提高人员检测的准确性,本文充分利用了多输入多输出（Multiple Input Multiple Output,MIMO）信息,在实验中采用多天线投票机制,综合考虑不同天线对的数据和检测结果。实验结果表明,本文提出的被动式室内人员检测方法有较高的检测率,室内无目标和室内存在静态目标情况下检测率均可以达到99%以上,在室内存在动态目标场景的检测率可以到达98%以上,并且具有较低的误报率。在室内定位方面,本文提出一种基于深度可分离卷积的CSI被动式室内定位方法DSCP（Depthwise Separable Convolution based Passive Indoor Localization）。DSCP是一种指纹定位系统,定位过程分为离线训练和在线定位两个阶段。离线阶段,先在室内划分区域并设置采样点,然后采集每个采样点的数据并提取CSI子载波幅度差构造位置指纹,用离线阶段的指纹来训练卷积神经网络（Convolutional Neural Network,CNN）模型。在线阶段,采集目标位置的CSI数据,提取特征后构造位置指纹,然后将在线指纹输入训练好的模型以获得目标的预测位置。实验结果表明,DSCP网络训练快,定位时延小,位置识别率可以达到97%以上,在室内环境可以获得0.69m的中位定位距离误差。