1.一种基于WiFi信号的穿墙室内人员跌倒探测方法，包括以下步骤：（1）WiFi接收网卡持续收集无线AP发射的信号，并通过终端设备提取接收信号中的物理层信道状态信息CSI；

（2）将提取的CSI与其对应的时间相关联，组成CSI流信息；

（3）对CSI流在时间轴上的波形进行滤波、降噪，滤波利用低通滤波器实现，为了实现有效降噪，首先利用低秩矩阵分解技术除去环境噪音的影响，再利用主成分分析技术PCA获取第一主成分的CSI波形；具体处理过程如下：①将t时间内接收到的90个子载波的CSI幅度值表示为：

式中， 表示第i个接收天线的第j子载波的CSI幅度值；

②将90个子载波的CSI流表示为：

③分离背景噪音的具体过程是求解下式的最优解：

满足条件：

表示背景环境的CSI矩阵， 表示包含动作特征的余下CSI矩阵， 是一个低秩矩阵，对 利用低秩矩阵分解技术，可以获取到 和 ，从而实现除去背景环境噪音的影响；

（4）获取以上的CSI波形后，通过归一化方差阈值的滑动窗口算法，获取动作发生的时间片段，并截取该时间片段的CSI波形；具体处理过程如下：①将CSI波形的第一主成分 中每100个作为一个小时间片段；

②计算每一个时间片段的幅度值的方差，并对该段 数据流的所有时间片段的方差作归一化处理，归一化后的方差记为V；

③从第一个时间片段开始，依次取出每一个时间片段的归一化后的方差V，比较V与阈值δ，如果 ，则继续取出下一个时间片段的归一化后的方差V；如果出现 ，则将该时间片段标记为动作开始时间Ts；

④在Ts确定后，继续取出Ts后的时间片段的归一化后的方差V，并判断V是否小于阈值δ，如果不是，则继续取出后续的时间片段的归一化后的方差V，当出现小于δ的方差V后，标记该时间片段为T，并取出T后的一个时间片段的归一化后的方差，并记为V2，然后通过指定参数a，通过下式计算出VT：⑤判断VT是否小于 ，参数u设为3；如果是，则时间片段T为动作结束时间，如果否，则回到步骤④，但从T后继续取出接下来的时间片段的归一化后的方差；

⑥当确定Ts和T后，Ts和T之间的数据就是动作所在的数据流；

（5）从截取的包含动作发生的CSI波形中，提取该波形中不同的特征值；

（6）利用获取的特征值和其对应发生的动作，通过机器学习算法训练相关的二分类模型；

（7）基于上述步骤获取的未知动作的CSI波形特征值，将所述特征值作为模型输入值，通过模型计算后，即可获取该未知动作是否为跌倒。

2.根据权利要求1所述的一种基于WiFi信号的穿墙室内人员跌倒探测方法，其特征在于：步骤（1）中通过实验人员在无线AP和终端设备之间进行指定的动作，终端设备提取接收信号中的物理层信道状态信息CSI，构建一个训练数据库，该数据库中有已知的不同动作和这些动作对应的CSI数据。

3.根据权利要求2所述的一种基于WiFi信号的穿墙室内人员跌倒探测方法，其特征在于：步骤（2）首先将提取的CSI数据转换成其幅度值，并将一段时间内接收到的CSI幅度值在时间域上进行排序，组成CSI流信息。

4.根据权利要求3所述的一种基于WiFi信号的穿墙室内人员跌倒探测方法，其特征在于：通过归一化方差阈值的滑动窗口算法，获取动作发生的时间片段过程中，步骤①的时间片段长度为0.1s；步骤③中阈值δ设为0.15；步骤④中参数a设为0.1。

5.根据权利要求4所述的一种基于WiFi信号的穿墙室内人员跌倒探测方法，其特征在于：步骤（5）从动作所在的数据流中提取6种数据特征值，分别是：归一化标准差STD、绝对中位差MAD、四分位距IR、信号改变速度、信号熵和动作持续时间。

6.根据权利要求5所述的一种基于WiFi信号的穿墙室内人员跌倒探测方法，其特征在于：步骤（6）利用支持向量机SVM算法训练两个分类器，在SVM中选择高斯核函数作为核函数。