针对传统设备无关的手势识别方法中存在受环境影响大、成本高等问题，提出一种空中手写数字识别方法，即AirNum方法。将提取WiFi中的信道状态信息(CSI)信号，经巴特沃斯低通滤波降噪、主成分分析(PCA)降维处理后，使用滑动窗口提取特征值得到手写信息的特征序列，将其输入基于注意力机制的双向循环神经网络(BRNN)模型训练，并使用SoftMax函数进行分类。实验证明：在实验室及空旷教室环境下，该方法可以有效识别手写信息，平均识别精度达到93.7%

与卷积神经网络(CNN)方法、支持向量机(SVM)方法、决策树方法相比，具有更好的识别精度和鲁棒性。