在计算机与信号处理领域,手势识别一直是一个人们研究问题。然而,现在较为成熟的手势识别技术都是基于图像的,它们有着一些限制与缺点。首先,传统基于图像的手势识别技术的识别率受到光线条件的限制。其次,传统基于图像的手势识别技术还有隐私泄露的隐患,基于图像的技术特性从根本上决定了其有图片视频泄露导致的信息泄露的可能性。因此,设计一种新的手势识别系统有着重要的研究价值。在本文中,我们提出了一种基于5GHz频段雷达信号的手势识别系统,主要思想就是利用数据驱动代替模型重构的方式来完成手势识别。本文工作分为两个部分。第一部分工作是提出了一套完整的手势识别系统,具体而言,首先利用硬件进行目标手势采集,利用时频分析等方法组成样本特征,然后利用卷积神经网络来进行分类,并进行实验测试了该系统的识别率,验证了该系统的可行性和有效性。但是,由于小样本库无法进一步满足多样的目标手势的训练,导致实验会出现过拟合和过长的测试时间两个不足之处。针对这两个问题,第二部分工作是提出了可变形的卷积对抗生成网络的新算法,具体而言,基于对抗网络背后的博弈思想,提出了可变形的卷积对抗生成网络的新算法,通过对抗网络优化特征信息的提取然后加以分类。对于这一算法,本文也进行了相关实验验证了新算法的有效性。本文为后续基于5GHz频段雷达信号的手势识别集成芯片系统的设计提供了研究基础。未来,研究的主要目光将拓展到复杂多通道5GHz信号系统下的手势识别上。