本文的重点是无线层析成像技术在人体姿势识别中的研究。现有的人体姿势识别是利用模式识别与机器学习技术对光学图像进行人体姿势的识别。但光学传感器系统存在受光线遮挡影响大、数据存储和处理量大的缺点。无线层析成像技术利用一些无线收发节点组成的传感器网络包围成像区域,节点通过测量目标遮挡造成的接收信号强度的变化来反演出目标的图像信息。该技术具有穿透性。在障碍物遮挡的情况下,无线信号穿透障碍物时发生的衰减在可以在外部测量,因而能对障碍物内部的目标成像。并且节点布设更加简单、灵活,数据处理量更小、速度更快。这是基于光学系统的传感器网络(摄像头等)所不能替代的。因此,在人体姿势的识别中,无线层析成像技术必将占有重要地位。目前,无线层析成像方法大多被用来实现目标的定位与跟踪。定位与跟踪只关心目标中心点的坐标,而忽略目标的体积、形状等信息。与现有的定位与跟踪关注目标的点信息不同,本文利用的是目标的轮廓信息,因此对算法处理边缘信息的能力提出了更高的要求。本文根据线性方程的不适定问题,从信号的稀疏性和先验信息的角度,研究正交匹配追踪算法、TIKHONOV正则化算法和TVAL3算法的适用条件及性能。利用改进的绕射模型,引入目标轮廓的信息特征,从而进行理论数据的图像重建。另外,由于室内环境的复杂性,因此存在着严重的多径效应。在抗多径干扰方面,实验采用的是多信道的数据收集及处理系统。最后根据实验数据进行了图像重建以及TIKHONOV正则化算法、TVAL3算法重要参数的研究及优化,并使用TVAL3算法重建的图像在支持向量机下进行人体姿势识别的验证实验。成像实验通过不同位置不同姿势成像的对比,验证了TIKHONOV正则化和TVAL3算法方法应用于人体姿势图像重建的有效性,并证明TVAL3算法可以更好地完成图像重建,完成目标边缘信息的处理。姿势识别实验结果表明TVAL3算法重建的图像在支持向量机的分类下可以完成人体姿势的识别,站姿和坐姿的识别成功率为95%,躺姿的识别成功率为86.7%。