任梦恬，田增山，蒋 青

(重庆邮电大学 通信与信息工程学院，重庆 400065)

0 引 言

随着二十一世纪科学技术的飞速发展以及计算机的普及，人机交互技术已经成为了大家关注和研究的对象[1]。手势是最简单与自然的交互方式，在智能家居[2]、辅助汽车控制系统[3]等诸多领域发挥重要作用，因此，手势识别逐渐成为人机交互的一个重要研究方向。

目前，被广泛关注的手势识别技术主要有基于可穿戴传感设备[4-5]、基于计算机视觉[6-7]、基于射频信号[8-9]3类。其中，基于可穿戴设备和计算机视觉的手势识别系统起步较早，迄今为止已经非常成熟，并且取得可喜的精度[10]，但由于基于可穿戴设备的手势识别系统需要使用者佩戴如数据手套、臂环、加速度传感器等传感设备获取相应的参数，造成使用者的不便；而计算机视觉的方法利用摄像头获取用户手势行为，其依赖于高分辨的视频或图像，并且在黑暗、浓烟等非光照条件下无法使用。与其他手势识别技术相比，射频信号中基于Wi-Fi信号的手势识别系统因其不需要光照、佩戴设备，也不需要昂贵的硬件基础，只需要利用软件的升级与更新，所以逐渐成为手势识别的主流。

基于Wi-Fi的手势识别系统中，目前大多数系统通常使用接收信号强度指示(received signal strength indicator，RSSI)捕捉信号，2014 年，哥延根大学的S.Sigg等[11]提取了RSSI信号对简单的行为进行识别；2015年，H.Abdelnasser等[12]提出WiGest，通过分析RSSI信号变化的上升沿、下降沿等特性进行手势识别，在单个接入点的情况下准确率为87.5%，但RSSI作为一种粗粒度的信号，在不确定噪声和室内多径情况下稳定性比较差，因此，无法提供足够的可靠性。……