1.一种基于商用WiFi信号的多人身份识别方法，其特征在于，所述方法包括以下步骤：步骤1：搭建信道状态信息CSI数据采集平台；

步骤2：通过离线训练阶段来构建人体特征库，人体静止站立在收发设备之间，利用人体对电磁波所产生的影响生成不同CSI特征数据；每对天线对生成30个子载波CSI数据，共有RxN对数据，其中R为发射天线数，N为接收天线数；

步骤3：取其中一对天线对上的CSI数据进行预处理，过程为：步骤3‑1：用巴特沃斯低通滤波器对原始数据进行滤波；

步骤3‑2：进行CSI数据增强；

步骤3‑3：采用PCA主成分分析法对数据进行降维处理；

步骤4：将上述处理后数据通过输入生成模块进行尺寸修改；

步骤5：数据输入特征提取网络进行身份特征提取；

步骤6：对提取到的特征送入深度卷积神经网络中进行身份识别训练；

步骤7：取其它天线对数据，重复步骤3～步骤6；

步骤8：由上述步骤提取的身份特征作为每个人的指纹信息，完成人体特征库的建立；

步骤9：通过在线测试阶段进行人体身份识别，同样采集测试数据包；

步骤10：对测试数据处理，具体为步骤3～步骤7；

步骤11：对测试数据的每个数据样本进行卷积神经网络身份识别并测试；

步骤12：输出身份识别结果；

所述步骤3‑2中，对CSI数据增强方法如下：记原始CSI数据样本集为：T＝{t1,t2,…,tn}，其中tj为样本元素，j∈{1,n}，n为样本总数；加入的增强片段CSI用如下公式生成：式中将整个数据集每k个元素分为一组，那么一共有[N/k]组，tj是在每组中的单个元素数据，再对第i组计算算数平均值 最后，数据增强后的CSI数据集所述步骤6中，经过卷积神经网络进行特征提取后的特征图再输入到自适应均值池化层，池化后的一维张量经过全连接神经网络预测出每个身份的可能性，其身份识别计算如下：其中 是身份识别号， K是所有用户的数量，argmax()计算输出身份向量预测值(p1,p2,…,pK)中最高预测值的下标。

2.如权利要求1所述的基于商用WiFi信号的多人身份识别方法，其特征在于，所述步骤

4中，将CSI数据从30×1×1通过8个反卷积层连接处理，生成一个卷积神经网络的输入图片大小的张量。

3.如权利要求2所述的基于商用WiFi信号的多人身份识别方法，其特征在于，所述步骤

5中，特征提取采用DenseNet网络，每一个DenseLayer前一层输出的特征图用作所有后续层的输入，第l层输入如下：xl＝Hl([x0,…,xl‑1])

其中[x0,…,xl‑1]指的是前面0到l‑1层特征图，Hl为l层级联。