[目的]针对现有的坐姿监测方法存在的接触式、隐私性低、成本高、部署不方便等问题对坐姿监测方法进行研究.[方法]提出基于Wi-Fi信道状态信息的坐姿监测方法.该方法在不同坐姿下采集商用路由器的Wi-Fi信道状态信息，结合卷积神经网络和长短期记忆神经网络建立坐姿分类模型，融合采样窗口内信道状态信息的幅值和相位数据，并充分提取数据的空间和时间特征，提高坐姿分类精度.在对原始相位数据进行预处理时，提出了近邻子载波差值阈值补偿方法，有效地解决了不同子载波的相位旋绕不同步的问题.[结果]搭建坐姿监测环境，对办公或学习场景下的5种常见坐姿进行分类.实验证明，该坐姿监测方法对坐姿分类有较高的准确率，对所有坐姿分类的平均准确率达到91.23%.[结论]本文提出的基于Wi-Fi信道状态信息的坐姿监测方法，具有非接触式、隐私性高、成本低、部署方便等特点，且对坐姿分类准确率高，在坐姿监测系统的研究上具有一定的实用价值.