孙延鹏，艾 俊，屈乐乐

(沈阳航空航天大学 电子信息工程学院，沈阳 110136)

0 引 言

手势识别已经是人机交互的热点领域[1-3]。该技术利用传感器捕获手势动作，并对其进行实时的识别，已广泛应用在智能家居[1]、手语翻译[2]以及游戏交互[3]等领域。传统获取手势动作信号的设备主要为光学传感器[4-5]，与该种捕获方式相比，雷达传感器可以不受光照、烟雾等外部环境的干扰。

近几年来，基于雷达的手势识别方法引起了很多关注[6-12]。文献[6]采用主成分分析法(Principal Component Analysis，PCA)来识别手势动作，分类结果表明了基于雷达的手势识别在智能家居领域中有良好的潜力。文献[7]将多种传感器的数据进行融合，采用异源图像配准和三维卷积神经网络(Convolutional Neural Network，CNN)相结合的方法对汽车驾驶中的典型手势进行识别。文献[8]通过深度卷积神经网络(Deep Convolutional Neural Network，DCNN)提取微多普勒特征，并对其进行分类，实验结果显示7种手势动作的识别精度为93.1%。文献[9]使用60 GHz的专用毫米波雷达芯片收集手势动作，并从中提取低维特征向量，通过随机森林分类器对多种手势动作进行识别。文献[10]先提取手势动作的多维参数并将其融合，进而通过CNN进行手势识别。文献[11]采用双流融合神经网络(Two-Stream Fusion Neural Network，TS-FNN)识别10种生活中常见的手势动作。文献[12]分别提取手势动作的距离-多普勒-时间图特征、距离-时间特征、多普勒-时间特征、水平方向角度-时间图特征，并通过轻量化的CNN对手势动作进行分类。

目前，通过光学传感器进行手势识别对外部环境依赖较大。针对该问题，本文提出了一种基于连续波雷达的手势识别方法。……