随着人机交互技术的逐步成熟,手势识别交互技术日益受到人们的重视,其中基于无线信号实现动态手势识别的技术正逐步进入研究者的视野,越来越得到学者的关注,本文针对动态手势识别技术的研究,其研究具有较高的理论和实际应用价值。.本文在分析研究现有动态手势识别技术,特别是基于无线信号实现动态手势识别技术的基础上,针对现有动态手势识别技术算法复杂度高、识别时间长的问题,对802.11a协议帧进行了分析研究,结合实际动态手势的需求,采用WiFi接收信号的前导信号作为识别动态手势的信息数据源,通过提取前导部分的时频域特征以及信道特征,本文分别提出了基于概率模型对动态手势进行定性分类以及基于手势运动特征定量建模对动态手势进行定量分类。对于基于概率模型对动态手势进行定性分类而言,本文采用多种特征同时构建概率模型,同时采用离散傅里叶变换以及小波变换完成对原始数据的预处理,最终通过构建12种隐马尔科夫模型完成对四种动态手势的识别分类工作。在有效提升识别过程时效的同时,实现动态手势识别平均准确率达90.5%。另一方面,对于基于手势运动特征定量建模对动态手势进行定量分类,本文基于SORA软件无线电平台,采用python语言建立了实时识别演示系统,通过深度挖掘动态手势运动特征和前导特征时间序列的联系,成功建立动态手势运动方向,运动幅度,运动周期以及运动速度和前导特征的定量联系,并以此为基础,通过决策树的方法完成四种动态手势的识别工作,实现了轻量级动态手势识别系统,并最终达到动态手势平均准确率达97%。