随着计算机科学的飞速发展与人工智能应用领域的不断扩大,手势识别在人机交互(Human-Computer Interaction,HCI)中变得越来越重要,进而为广泛的新兴应用提供技术支持,例如智能家居、虚拟现实和移动游戏等。传统识别方法通常依赖于摄像头或者由用户佩戴的专用传感器。以往的研究大多是在识别手势的种类多样性和识别的准确度问题上做出改进,针对手势一致性识别问题的相关研究较少。因此,本文展开了基于信道状态信息(CSI)的关于位置无关和身份无关的手势一致性识别的研究,力图增强手势识别系统的鲁棒性。针对同一个人在不同位置处的手势一致性识别问题,首先在数据预处理阶段,通过主成分分析方法对数据进行降维处理,并采用离散小波阈值变换方法进行去噪,使用基于滑动窗口的方差阈值方法提取手势动作。其次在特征提取阶段,提取峰峰值、标准差、信息熵和小波系数的平均值四种与位置无关的特征,作为特征样本。再次,将特征样本分成训练集和测试集,采用随机森林分类器对训练集和测试集进行训练和分类。最后,通过实验证明提出方法的有效性。针对不同人在同一位置处的手势一致性识别问题,首先,数据预处理阶段同样采用主成分分析方法对数据进行降维运算,选择了巴特沃斯低通滤波器进行去噪处理,并使用基于滑动窗口的方差阈值方法提取手势动作。其次,特征提取阶段提取了偏度、峰度、信息熵三种与身份无关的特征,将手势的特征样本归一化处理成一个序列,构建为手势模板,存入模板库。再次,用动态时间规整算法将待测手势与手势模板库中的模板进行匹配,将匹配最类似的模板作为结果返回,根据返回结果统计出手势一致性识别的结果。最后,通过实验验证提出方法的有效性。