蒋留兵，朱柏青，车 俐

（1.桂林电子科技大学信息与通信学院，广西桂林 541004；2.桂林电子科技大学计算机与信息安全学院，广西桂林 541004;3.广西无线宽带通信与信号处理重点实验室，广西桂林 541004）

0 引 言

在高度信息化时代，人机交互技术（Human-Computer Interaction, HCI）［1］已成为了各国大力发展的对象。手势识别作为人机交互技术之一，是国内外研究者所关注的热点。目前主要有两种不同类别手势识别：与触摸屏交互的手势识别与无需触摸屏的手势识别。无需触摸屏手势识别市场主流是基于光学传感器、可穿戴设备［2-3］和雷达传感器［4］，其中雷达的手势识别相较于前两者具有不受光照条件影响、不受佩戴设备带来的不适感、成本较低和不侵犯用户隐私数据等优势。

而在雷达传感器中毫米波雷达又以质量轻、体积小、探测性能稳定、穿透烟雾和灰尘的能力强且多普勒频移较大，距离和速度的测量精度与分辨率较高受到研究者们的青睐。在目前的毫米波雷达手势研究中，研究者基本采用将距离-多普勒谱图（Range-Doppler Map, RDM）放入神经网络［5］中提取手势的运动特征实现手势识别。在文献［6］中作者将RDM 和RAM（Range-Angle Map,RAM）相融合，相比仅使用RDM 具有更好的性能。而在现实手势识别场景下，还包含着较多静态干扰和类目标干扰。文献［7］研究了多人场景下使用FMCW 雷达进行手势识别，通过辨别感兴趣距离对潜在干扰进行消除。而在文献［8］中研究并提出了一种重用的LSTM（RLSTM）网络来提取手势距离和多普勒特征，并用领域阈值检测方法来过滤干扰信号。……