近年来,伴随着对人机交互的探索,手势识别技术逐渐成为一个非常具有前景的研究热点。由于雷达传感器具有非接触、不受光照影响、不泄露个人隐私信息、可全天时、全天候工作等特点,基于雷达的手势识别技术是一个具有潜力的研究方向。然而,现有研究对手势信息的感知,主要是径向距离、径向多普勒和时频等手势特征信息,手势信息维度不足导致手势识别能力受到一定限制;特别是单雷达传感器通常无横向分辨能力,能够识别的手势种类很少。因此,本文从提高手势信息的感知能力出发,研究基于双站雷达的手势识别技术,其主要工作如下:一是设计了双站雷达布站和手势桌面设计。通过手势动作观测覆盖分析和基于克罗美罗下界的手势动作位置估计性能分析,确定了有利于手势观测的双站雷达最佳布站位置;结合常用手势的活动区域,设计了一种手势桌面,目的在于降低实际手势识别过程中偶然性手势或动作对后续识别的影响;实验验证了双站雷达布站和手势桌面设计的合理性。二是提出了基于双分支卷积神经网络的双站雷达手势识别方法。该方法首先进行信号预处理抑制杂波的干扰;接着进行潜在手势检测,并提取手势回波信号的时间-距离（时距）特征矩阵;然后设计了双分支卷积神经网络,并对手势进行分类识别。实验结果表明:所提方法能够对14种手势进行有效的分类识别,并且平均识别准确率能够达到98%。三是考虑提高未训练人手势识别率和降低手势识别网络的复杂度,提出了基于轨迹特征和循环神经网络的双站雷达手势识别方法。该方法包括潜在手势检测、手势轨迹特征提取以及双分支循环神经网络的手势分类识别。实验结果表明:所提方法不仅提高了未训练人的手势识别准确率,而且网络复杂度较低,适用于内存小、计算能力稍弱的小型移动设备。四是设计并实现了基于双站雷达的手势识别实时系统。该系统可以实时检测手势桌面是否产生手势并完成手势的分类识别。测试结果在线验证了本文所提手势识别方法的有效性。本文的研究成果对于基于雷达的手势识别技术的实际应用具有一定的理论价值和实际工程意义。