近年来,移动互联网与物联网技术得到了迅猛发展,这同时也增加了人们对基于无线通信系统的多类情境感知技术的需求,其中,如何在复杂的信道环境条件下无接触式地实现针对物品材质的高精度与鲁棒性感知检测,已成为目前通信感知技术领域研究的热点问题。随着Wi-Fi基础设施的广泛部署,可以方便地获取信道状态信息（Channel State Information,CSI）,其能够细颗粒度地反映当前信道状态变化的特性,从而使得基于CSI的物品材质感知检测成为可能。但是,现有基于CSI的物品材质感知检测技术尚有诸多关键难点问题亟待解决:首先,现有基于CSI构建的物品材质统计特征建模方法难以高效区分物品的材质;其次,现有感知辨识算法在复杂室内信道条件下存在检测精度较低、鲁棒性欠佳等缺陷。针对以上问题,本文对基于Wi-Fi信号CSI统计特征的物品材质感知检测技术进行了深入研究,具体研究内容如下。首先,本文介绍了物品材质感知检测技术的研究背景,分析了现有基于Wi-Fi信号物品材质感知检测技术面临的难点问题,主要针对物品材质的统计特征建模和感知辨识算法两项关键技术展开研究。其次,在面向物品材质的无线信号统计特征刻画与建模方法方面,针对现有CSI统计特征建模存在获取的统计特征较单一、进而不能有效区分不同物品材质的问题,本文提出一种面向物品材质刻画的CSI感知统计特征建模方法来提取统计特征,首先对原始CSI数据的幅度和相位分别做预处理,以解决环境噪声和硬件设备等的干扰导致CSI数据波动大、相位偏移的问题;然后,根据各个子载波受多径影响不同,提出利用CSI数据的方差信息选取受多径传播影响小的子载波;最后,再通过设计的子载波选择策略,深入解析不同物品材质的差异,从而提取出能够高效区分不同物品材质的统计特征。最后,在物品材质感知辨识算法方面,针对现有算法分类器效率低且只考虑单根接收天线场景所导致的检测精度受限问题,本文提出了一种多天线联合判决的物品材质感知辨识算法。该算法首先选取有效的分类器,然后利用分类器在每根接收天线的检测结果再结合majority voting算法得出最后的判决结果,实现了物品材质的高精度检测。同时,本文还设计搭建了基于Wi-Fi信号CSI统计特征的物品材质检测实验平台,经实验验证,所提感知辨识算法比现有算法具有更好的检测精度和鲁棒性。