基于无线信号的手势识别是一种新型的人机交互手段,具有广泛的应用场景。然而,目前基于无线信号的连续手势识别仍然是一个研究难点。本文借鉴生物序列比对思想,研究基于WiFi无线信号的连续手势识别算法。本文的主要研究工作如下:本文先对连续手势和单独手势的特性进行研究,借鉴语音识别中将声音信号分解成音节再进行识别的处理方式,将单位信道状态信息(Channel State Information,CSI)处理时间长度设定为0.1秒,确定出欲识别手势在实际连续手势中的起始时间,为连续手势识别算法提供准确的手势启动时刻。进而,本文设计了CSI手势数据序列的动静分离方法,以解决训练样本存在训练数据标准无法统一的问题。该方法使用基于经验知识分离出的数据来训练支持向量机(Support Vector Machine,SVM),再对全部训练数据进行动静分离制作出标准统一的训练数据。实验证明了动静分离方法可以将算法的识别正确率提高20%。在以上研究基础上,基于对生物信息序列比对中Smith-Waterman算法,本文设计了WScg序列比对方法实现精确手势识别。WScg序列比对方法对每一时刻综合其前后时刻的信息进行比对打分,判断该时刻是哪种手势的开始时间,得到手势类别和手势开始时间。实验证明,WScg算法可以实现连续手势识别,平均识别正确率达到87.8%。