隨著社會經濟的快速發展，人們對家居環境的安全性、舒適度要求不斷提高，智能家居系統應運而生。傳統的家居防盜方法，如防盜門和防盜網已經不能滿足人們的需求。同時，隨著人員無序流動與日俱增，社會不安定因素隨之增加，刑事案件特別是入室盜竊高發，因此智能化的防盜系統已成為研究熱點。
目前，比較成熟的智能家居防盜監測方法主要有兩大類：一類是基於傳感器的方法，具有安裝不方便的缺點；另一類是基於視頻圖像的方法，涉及人們隱私且無法解決遮擋的問題。同時，以上兩種方法都需要為每個被監測的門窗配備相應的設備，成本和工作量都相當大。
信息技術的高速發展對人們的生活方式產生了深刻影響，與藍牙技術一樣，同屬於短距離無線技術的WiFi（WirelessFidelity）已得到普遍應用，並給人們的工作生活帶來了極大便利，如上班族們在麥當勞、肯德基、星巴克中瀏覽網頁、新聞工作者們在會議現場發回稿件、普通人在家中隨心所欲地用手機或筆記本電腦無線上網，WiFi早已無處不在。
基於當前WiFi普及率高，低成本、不受牆體家具遮擋影響、不涉及人們隱私等優點，福州大學物理與信息工程學院學者郭阿英、許志猛、余向陽提出了一種基於WiFi信道狀態信息（channel state information，CSI）的智能家居防盜監測方法，通過採集WiFi信號的信道狀態信息，利用卡爾曼濾波實現數據的去噪，採用K最鄰近算法進行分類，最終實現靜態、開門、開窗3種室內環境的監測，達到智能家居防盜監測的目的。
截至目前，該方法利用普適的WiFi設備實現了較高的監測識別率，填補了當前無線信號對於智能家居防盜監測的空白。相關論文已發表於2019年第12期《電氣技術》，其題目為《一種基於信道狀態信息的智能家居防盜監測方法》。
CSI的收集由兩台配備有無線網卡的計算機實現，由天線進行數據的發射和接收，如系統框圖（圖1所示）所示。室內環境的改變會引起信號CSI的改變，由接收端獲取到CSI。WiFi信號的CSI數據帶有很多噪聲，為了提高環境監測的準確率，該團隊通過卡爾曼濾波去噪（一種去除噪聲還原真實數據的數據處理技術），基於信號的幅度進行特徵矩陣提取，再將特徵矩陣輸入至KNN（K-nearest neighbor）分類器，實現家居防盜監測。
為了驗證這一方法的可行性，該研究團隊模擬了比較簡單的場景進行測試。研究發現，靜態環境下CSI幅值趨於穩定；當環境發生變化時，CSI的幅值波動比較劇烈。在動態的環境中，靜止的識別率最低，但也可達到88%；開門的識別率最高，為100%。由於該測試環境是動態環境，室外人員的走動或室內人員的行為都會對CSI產生影響。未來，利用該方法還可進一步研究其他因素對於環境監測的影響，比如窗簾的影響，以實現更加實用的環境監測。