一种手势识别方法和装置与流程

本申请涉及无线通信技术，尤其涉及一种手势识别方法和装置。

背景技术：

随着智能电子设备的增多，人机交互技术的发展，手势识别技术被应用到越来越多的智能电子设备中。智能手机利用手势识别输入，识别手势进行拨打电话、打开应用程序等操作，能够很好地提升用户体验。

现有技术中手势识别比较成熟的是利用图像识别技术实现交互命令的识别。这种基于图像识别的方法一般需要配备高性能的摄像装置，比较典型的应用如微软的Xbox Kinect产品。这种方法通过摄像设备获取静态或动态图像，然后利用计算机视觉算法分析图像，进行模式匹配，从而理解这种手势的含义，实现手势识别。但是，这一技术需要高性能的摄像装置，并且需要高性能的处理器进行复杂的图像分析算法，成本高昂且难以小型化，而且被识别的动作需要面对摄像装置，以上缺点都导致这一技术无法广泛应用。

近期，谷歌公司发布了基于手势识别控制的智能手表的演示系统。用户无需触碰表盘，就可以利用手指的移动和手势的变化作为输入来控制智能手表，例如，用户可以在智能手表附近用手指模拟拔出表头动作、模拟上弦动作，来控制智能手表的菜单切换操作。谷歌将这种手势操作交互技术称为“Project Soli”，它使用雷达，包括无线电探测和测距雷达，来探测用户手部姿势和手指的微小动作，并把它们转化进行信息输入。雷达传输无线电波并收集击中目标的反射感应。比如，用户的食指和大拇指在一起摩擦模拟上弦动作，系统识别这种手势或动作并把手势重定向输入到应用程序中。但是，这一技术需要比较昂贵的毫米级雷达微芯片来识别手势变化导致的无线接收信号的改变，从而进行手势识别控制，成本高昂，这就导致只有高端产 品才能支持这类手势识别。

综上所述，由于现有手势识别技术都需要在设备上增加新的高成本组件，导致成本都高昂，本领域亟需一种新型的手势识别方法和技术，尽量减少对用户设备的硬件改动，低成本地实现手势识别功能。

技术实现要素：

本发明的实施例提供了一种手势识别方法和装置，能够在对现有终端设备不进行复杂改动的前提下，低成本地实现手势识别功能。

第一方面，一种手势识别方法，其特征在于，用于传输移动通信网络信号的终端设备，所述终端设备中存储训练样本数据，所述训练样本数据包括信道探测参考信号SRS的反射信号的相关谱特征量以及对应的手势标识；

所述方法包括，

所述终端设备发射第一SRS信号；

所述终端设备接收所述第一SRS信号从手势发出物体反射的多个路径的第一反射信号，并与所述第一SRS信号所对应的信号模板进行相关运算，得到所述第一反射信号的相关谱特征量；

所述终端设备将所述第一反射信号的相关谱特征量与所述训练样本数据进行匹配，识别所述手势发出物体输入的手势。

根据所述第一方面，无需对终端设备进行复杂的改进或增加其他额外硬件，利用现有技术中上行信道探测参考信号的反射信号来进行手势识别，而且在进行手势识别时也不会影响到终端设备的其他通信功能，以较低的成本实现了终端设备的手势识别功能。

可选的，结合第一方面，对于所述方法，

所述训练样本数据为事先存储在终端设备中的；

或者，

所述训练样本数据为所述终端设备从网络设备得到的。

可选的，结合第一方面，对于所述方法，

所述终端设备发射第二SRS信号；

所述终端设备接收所述第二SRS信号从手势发出物体反射的多个路径的第二反射信号，并与所述第二SRS信号所对应的信号模板进行相关运算，得到所述第二反射信号的相关谱特征量；

所述终端设备将所述第二反射信号的相关谱特征量以及对应的手势标识作为所述手势发出物体输入手势的训练样本数据存储到所述终端设备中。

第一方面的上述方法，利用现有技术中上行信道探测参考信号的反射信号来进行手势训练，将手势训练得到的训练样本数据存储，从而可以用于手势识别操作。

可选的，结合第一方面，对于所述方法，

所述终端设备进一步将所述第二反射信号的相关谱特征量以及对应的用户手势标识作为训练样本数据发送到网络设备中。

可选的，结合第一方面，对于所述方法，

所述相关运算包括，

滤掉发生反射时距离所述终端设备超过设定距离的反射信号。

第一方面的上述方法，过滤超过设定距离的反射信号后，可以减少非手势所反射的无关信号的干扰，大大提高手势识别的精确度。

可选的，结合第一方面，对于所述方法，

所述终端设备根据事先存储在终端设备中的SRS信号集确定用于手势识别的SRS信号；

或者，

所述终端设备接收网络设备发送的SRS信号集的信息；

所述终端设备根据接收到的SRS信号集的信息确定用于手势识别的 SRS信号。

可选的，结合第一方面，对于所述方法，

所述SRS信号集包括至少一个SRS信号所对应的参数值区间，所述参数值区间包括下述任意一项或者多项：SRS信号的发射间隔、发射带宽、发射载频和发射功率；

或者，

所述SRS信号集包括至少一个SRS信号所对应的参数值，所述参数值属于所述参数值区间。

可选的，结合第一方面，对于所述方法，

所述SRS信号所对应的参数值区间包括下述任意一项或者多项：发射间隔小于等于10毫秒；发射带宽大于等于100MHz；发射载频大于等于10GHz；发射功率小于等于0dBm。

第二方面，一种终端设备，其特征在于，适用于移动通信系统，所述终端设备包括，存储单元、发射单元、接收单元及处理单元，其中，

存储单元，用于存储数据库，所述数据库中存储有训练样本数据，所述训练样本数据包括信道探测参考信号SRS的反射信号的相关谱特征量以及对应的手势标识；

发射单元，用于发射所述处理单元确定的用于手势识别的第一SRS信号；

接收单元，用于接收所述第一SRS信号从手势发出物体反射的多个路径的反射信号；

处理单元，用于确定用于手势识别的第一SRS信号，将接收单元接收的所述反射信号与所述第一SRS信号所对应的信号模板进行相关运算，得到所述第一反射信号的相关谱特征量，并将所述相关谱特征量与数据库中的训练样本数据进行匹配，识别所述手势发出物体输入的手势。

根据所述第二方面，无需对终端设备进行复杂的改进或增加其他额外 硬件，利用现有技术中上行信道探测参考信号的反射信号来进行手势识别，而且在进行手势识别时也不会影响到终端设备的其他通信功能，以较低的成本实现了终端设备的手势识别功能。

可选的，结合第二方面，对于所述装置，

所述训练样本数据为事先存储在所述存储单元的；

或者，

所述训练样本数据为所述终端设备通过所述接收单元从网络设备得到，并存入所述所述存储单元的数据库。

可选的，结合第二方面，对于所述装置，

所述发射单元，进一步用于发射所述处理单元确定的用于手势识别的第二SRS信号；

所述接收单元，进一步用于接收所述第二SRS信号从手势发出物体反射的多个路径的第二反射信号；

所述处理单元，用于确定用于手势识别的第二SRS信号，将所述接收单元接收的所述第二反射信号与所述第二SRS信号所对应的信号模板进行相关运算，得到所述第二反射信号的相关谱特征量，并将所述相关谱特征量以及对应的用户手势标识作为所述手势发出物体输入手势的训练样本数据存储到所述存储单元中。

第二方面的上述装置，利用现有技术中上行信道探测参考信号的反射信号来进行手势训练，将手势训练得到的训练样本数据存储，从而可以用于手势识别操作。

可选的，结合第二方面，对于所述装置，

所述发射单元进一步将所述第二反射信号的相关谱特征量以及对应的用户手势标识作为训练样本数据发送给所述网络设备。

可选的，结合第二方面，对于所述装置，

所述处理单元行相关运算，包括，

滤掉发生反射时距离所述终端设备超过设定距离的反射信号。

第二方面的上述装置，过滤超过设定距离的反射信号后，可以减少非手势所反射的无关信号的干扰，大大提高手势识别的精确度。

可选的，结合第二方面，对于所述装置，

所述存储单元事先存储SRS信号集，

所述处理单元根据所述SRS信号集确定用于手势识别的SRS信号；

或者，

所述接收单元接收网络设备发送的SRS信号集的信息；

所述处理单元根据所述接收单元接收到的SRS信号集的信息确定用于手势识别的SRS信号。

可选的，结合第二方面，对于所述装置，

所述SRS信号集包括至少一个SRS信号所对应的参数值区间，所述参数值区间包括下述任意一项或者多项：SRS信号的发射间隔、发射带宽、发射载频和发射功率；

或者，

所述SRS信号集包括至少一个SRS信号所对应的参数值，所述参数值属于所述参数值区间。

可选的，结合第二方面，对于所述装置，

所述SRS信号所对应的参数值区间包括下述任意一项或者多项：发射间隔小于等于10毫秒；发射带宽大于等于100MHz；发射载频大于等于10GHz；发射功率小于等于0dBm。

第三方面，一种生成用于手势识别的信道探测参考信号SRS的方法，其特征在于，

网络设备生成用于手势识别的SRS信号集；

所述网络设备将所述用于手势识别的SRS信号集的信息发送给终端设备；

所述SRS信号集包括至少一个SRS信号所对应的参数值区间，所述参数值区间包括下述任意一项或者多项：发射间隔小于等于10毫秒；发射带宽大于等于100MHz；发射载频大于等于10GHz；发射功率小于等于0dBm；

或者，

所述SRS信号集包括至少一个SRS信号所对应的参数值，所述参数值属于所述参数值区间。

第四方面、一种网络设备，其特征在于，适用于移动通信系统，所述网络设备包括，发射单元及处理单元，其中，

所述处理单元，生成用于手势识别的SRS信号集，并将所述SRS信号集的信息传送给所述发射单元；

所述发射单元，用于发射所述处理单元生成的所述SRS信号集的信息给终端设备；

所述SRS信号集包括至少一个SRS信号所对应的参数值区间，所述参数值区间包括下述任意一项或者多项：发射间隔小于等于10毫秒；发射带宽大于等于100MHz；发射载频大于等于10GHz；发射功率小于等于0dBm；

或者，

所述SRS信号集包括至少一个SRS信号所对应的参数值，所述参数值属于所述参数值区间。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的SRS信号集配置流程图；

图2是本发明实施例提供的手势识别方法训练流程图；

图3是本发明实施例提供的训练样本数据结构示意图；

图4是本发明实施例提供的手势识别方法流程图；

图5是本发明实施例提供的手势识别方法识别失败后处理流程图；

图6是本发明实施例提供的终端设备结构示意图；

图7是本发明实施例提供的网络设备结构示意图。

具体实施方式

本申请实施例所公开的手势识别方法的构思是，终端设备发射上行的信道探测参考信号(Sounding Reference Signal，简称SRS信号)，从用户的手或者其他用于做手势的物体上反射回终端设备，终端设备将SRS信号的反射信号的功率谱波形,反射信号的到达时间、强度、相位等测量量中的至少一个作为特征量进行手势识别。

本申请实施例涉及的网元为：网络设备和终端设备。

在LTE系统中，接入网设备是eNB，核心网设备是MME；在UMTS系统中，接入网设备是RNC，核心网设备是SGSN；在其他无线通信系统中，也有其相应的接入网设备和核心网设备。在本申请的实施例中，上述接入网设备和核心网设备相对于用户设备设备都统称为网络设备。

本领域技术人员应当知晓，本申请实施例所述的终端设备，可以是用户终端、用户设备以及移动台等设备。

实施例1

本申请实施例1对现有技术的改进点主要在：终端设备确定并发射用于手势识别的SRS信号、接收该SRS信号针对用户手势的反射信号并进行处理；在终端设备侧设置用于存储训练样本数据的数据库。下面分别进行介绍。

在无线通信领域，SRS信号主要用于信道质量估计，从而使得基站能够针对上行链路进行频率选择性调度，包括功率控制增强和终端设备的各 种初始化调制和编码方案选择、定时提前等。终端设备发送的SRS信号通过网络设备特定的广播信令指示进行配置。终端设备根据网络设备指示配置SRS信号并在指定位置发送。SRS信号所占用的时频资源，如发射间隔、发射带宽、发射载频、发射功率等均由网络设备配置。

本发明实施例对SRS信号赋予了新的手势识别的功能，为了达到通过SRS信号的反射信号识别用户手势的目的，网络设备需要为终端设备配置用于手势识别的SRS信号集。

在介绍SRS信号集的配置过程之前，先介绍本发明实施例的SRS信号的一些信息。

对于SRS信号的发射间隔，用于手势识别的SRS信号的发射间隔要比传统的用于信道质量估计的SRS信号小；但是SRS信号的发射间隔设置过小，又会导致SRS信号发射过于频繁，会对其它通信信号造成干扰，同时对于终端设备的计算能力带来巨大挑战。示意性的，本发明实施例中用于手势识别的SRS信号的发射间隔可以设置为小于10毫秒，这样的发射频率可以足够识别用户的动作手势，例如，具体数值可以为5毫秒或者10毫秒，等。

对于SRS信号的发射带宽和载频，用于手势识别的SRS信号的发射带宽和载频都要比传统的用于信道质量估计的SRS信号大。示意性的，用于手势识别的SRS信号的传输带宽设置为100MHz以上，这样终端设备判断的距离精度可以达到30cm；用于手势识别的SRS信号的载波频率设置为大于10GHz，这样终端设备判断手势改变动作的识别度能达到1cm。

对于SRS信号的发射功率，用于手势识别的SRS信号仅仅作用于终端设备附近，无需传输到与网络设备，为了节能以及避免对正常的无线通信造成干扰，其发射功率要适当减小。例如，现有技术中用于信道质量估计的SRS信号发射功率为23dBm，本申请实施例中用于手势识别的SRS信号发射功率可以下降到0dBm。

下面结合附图1介绍SRS信号集的配置过程。

步骤101，网络设备生成用于手势识别的SRS信号集。

所述SRS信号集包括至少一个SRS信号所对应的参数值区间，所述参数值区间包括下述任意一项或者多项：SRS信号的发射间隔、发射带宽、发射载频和发射功率等。例如，如前所述，SRS信号集可以这样设置：发射间隔小于等于10毫秒；发射带宽大于等于100MHz；发射载频大于等于10GHz；发射功率小于等于0dBm。相应地，终端设备可以根据该用于手势识别的SRS信号集，确定当前需要发射的SRS信号所对应的参数为：发射间隔为5毫秒,发射带宽为100MHz,发射载频为10GHz,且发射功率为0dBm；也可以确定为：发射间隔为10毫秒,发射带宽为150MHz,发射载频为12GHz,且发射功率为0dBm，等等，只要满足SRS信号集的要求即可。当然，该信号集中还可以包括一组具体的SRS信号所对应的参数值，例如，SRS信号集可以这样设置：SRS信号1，发射间隔为5毫秒,发射带宽为100MHz,发射载频为10GHz,且发射功率为0dBm；SRS信号2，发射间隔为10毫秒,发射带宽为150MHz,发射载频为12GHz,且发射功率为0dBm；等等，只要满足SRS信号集的要求即可。

步骤102，网络设备将该用于手势识别的SRS信号集的信息发送给终端设备。

步骤103，终端设备接收该SRS信号集的信息，并根据该SRS信号集的信息确定当前用于手势识别的SRS信号。

当用户触发手势输入功能时，终端设备从所述用于手势识别的SRS信号集中选择合适的SRS信号进行发射和识别。当用于手势识别的SRS信号集规定了SRS信号的参数值区间时，终端设备生成符合上述参数值区间约束条件的SRS信号；当用于手势识别的SRS信号集规定了一组具体的SRS信号所对应的参数值时，终端设备从所述一组具体的SRS信号参数值选择其中之一。可以根据具体的应用环境和需求，选择符合条件的SRS信号。

在实际应用中，终端设备中可以固化用于手势识别的SRS信号集，在此种情形下，SRS信号集配置过程可以省略，终端设备无需网络设备生成并配置SRS信号集。当终端设备需要进行手势识别时，直接从固化的用于手势识别的SRS信号集中选取SRS信号进行发射。

在本申请实施例中，终端设备可以首先经历训练阶段，记录用户某个手势的SRS信号的反射信号的图谱特征量，并作为训练样本数据存储到数据库中。

下面结合附图2介绍训练过程。

步骤201，终端设备发射SRS信号。

对于终端设备发送的所述SRS信号，如果存在网络设备的SRS信号集配置过程，则终端设备从网络设备发送的SRS信号集中选取所述SRS信号；如果不存在网络设备的SRS信号集配置过程，则终端设备从自身固化的用于手势识别的SRS信号集中选取SRS信号。具体SRS信号的选择方式，与步骤103类似，不再赘述。

步骤202，用户距离终端设备一定的距离，打出手势。

用户可以在终端设备附近打手势，例如，30cm以内。另外，本申请各实施例中提到的手势，并不限定一定是用户的手打出的手势，也可以是用户使用其他物体打出的手势，还可以是动物打出的手势。

步骤203，终端设备接收步骤201中发射SRS信号的多个路径的反射信号，并与步骤201中发射的SRS信号所对应的信号模板进行相关运算。

在本申请实施例中，终端设备在步骤201上行链路发送SRS信号后，需要在同一频率立刻检测所述SRS信号的反射信号，这是目前终端设备不具备的功能。现有技术终端设备只检测基站下行链路，而不检测自身或其它终端设备的上行链路。因此，为了避免SRS信号的反射信号被终端设备自身发送的信号所淹没，需要全双工技术降低或消除终端设备自身发送的SRS信号对SRS信号反射信号检测的影响。例如，终端设备可以将接收信 号减去发射信号，从而消除同一时间、同一信道中发送信号对接收信号的影响。

终端设备还可以通过本地相关的方法消除发送信号对接收信号的影响，通过接收到的多个路径的SRS信号反射信号与发射的SRS信号所对应的信号模板进行相关运算获得相关谱，通过相关谱可以获得反射信号的相关谱特征量，包括每条反射径的SRS信号的反射信号的相位、功率和时延。所述发射的SRS信号所对应的信号模板可以为所述发射的SRS信号自身。功率和时延反映了反射物的大小、远近等信息，终端设备可以用来识别不同的手势，尤其是静止手势。由于多普勒效应，相位的变化反映了反射物的移动速度和移动方向，终端设备也可以用来识别不同手势，尤其是移动的手势。

步骤204，滤掉超过设定距离的SRS信号的反射信号。

由于在步骤203中终端设备将收到的多个路径SRS信号的反射信号与发射的SRS信号所对应的信号模板进行相关运算，能够计算出每个路径SRS信号的反射信号的到达时间，因此可以计算得到SRS发生发射时距离终端设备的距离，在步骤204中，终端设备可以滤掉发生发射时距离终端设备比较远的SRS信号的反射信号。上述滤掉的SRS信号的反射信号由于发生发射的距离较远，极有可能不是用户的手所反射的SRS信号，因此滤掉之后可以减少无关信号的干扰，大大提高手势识别的精确度。比如，可以滤除30cm以外的SRS信号的反射信号。所述步骤204为可选步骤，在实际应用中可以省略。

步骤205，记录滤波后的SRS信号的反射信号的相关谱特征量，将相关谱特征量以及对应的用户手势标识作为训练样本数据存储到数据库中。

如附图3所述，所述训练样本数据301包括：相关谱特征量303，以及所述相关谱特征量对应的用户手势标识302。同一个手势的训练样本数据只有一个，但是所述手势训练样本数据中的相关谱特征量可以有多个， 只要重复步骤201-206即可获得多个相关谱特征量。可选的，所述多个相关谱特征量可以进行加权平均等算法处理，相关谱特征量越多，在后续的手势识别阶段的准确性就越高。所述数据库中可以存储多个如图3所述的训练样本数据，分别对应于多个用户手势。

对于所述数据库的存储位置，可以是终端设备中的非易失性存储器，也可以是网络设备中的非易失性存储器。如果存储在网络设备中，则终端设备需要使用其支持的通信链路将所述训练样本数据传送给网络设备。

另外，无论存储训练样本数据的数据库位于终端设备还是在网络设备，所述训练样本数据可以在所有终端设备间共享，并且可以使用大数据分析的方式，进一步对训练样本数据进行处理，提高识别准确性。

在本申请实施例中，终端设备经历训练阶段后，数据库中有了各个手势的训练样本数据；或者通过共享的方式从网络设备的数据库中获得了各个手势的训练样本数据；所述训练样本数据也可以是事先固化在所述终端设备数据库中。当进入手势识别阶段时，终端设备将用户手势的相关谱特征量与数据库中训练样本数据中的相关谱特征量做对比，从而识别用户的手势。

下面结合附图4介绍识别过程。

步骤401，同训练阶段步骤201，终端设备发射SRS信号。

步骤402，同训练阶段步骤202，用户距离终端设备一定的距离，打出手势。

步骤403，同训练阶段步骤203，终端设备接收步骤401中发射SRS信号的多个路径的反射信号，并与步骤401中发送的SRS信号所对应的信号模板进行相关运算。

步骤404，同训练阶段步骤204，滤掉超过设定距离的SRS信号的反射信号。

步骤405，记录滤波后的SRS信号的反射信号的相关谱特征量，将所 测得的特征量与数据库中的训练样本数据进行匹配，识别输入手势。

实际中，可以结合反射信号到达时间，反射功率，反射信号相位变化，以及反射信号径数共同联合判定手势，同时剔除环境对手势识别的影响。

由于数据库中已经存有各个手势训练样本数据，移动终端将本次记录的相关谱特征量与数据库中各个手势训练样本数据中的相关谱特征量做对比，寻找与本次相关谱特征量最接近的训练样本数据，再判断是否是本次的用户手势类型。对于寻找最接近的训练样本数据的方法，可以采用每个特征量的差值累加值来判断，差值累加值最小的为最接近的训练样本数据；如果所述差值累加值小于设定阈值，则认为该训练样本对应的用户手势类型就是本次识别的用户手势。当然，也可以采用其他的数学算法进行判断，在此不再赘述。

如果没有寻找到本次相关谱特征量对应的用户手势类型，可能是由于周边环境干扰造成识别识别，可以重复进行识别。另外，也可以进行如附图5所示的操作：

步骤501，确定未从数据库中检索到与本次相关谱特征量对应的用户手势类型，识别失败；

步骤502，提示识别手势失败；

步骤503，确定是否已经对本次手势进行过训练；

步骤504，如果在步骤503中确定已经对本次手势进行过训练，则获取本次用户手势标识，并执行步骤505；

步骤505，将本次相关谱特征量作为输入手势训练样本数据的新相关谱特征量加入到数据库中；

步骤506，如果在步骤503中确定未对本次手势进行过训练，可选的，提示是否对本次手势新建立训练样本数据，并执行步骤507；

步骤507，如果确认新建立训练样本数据，确定新建立的训练样本数据的用户手势标识，则将本次相关谱特征量作为本次手势的第一个相关谱 特征量与用户手势标识一起存储到数据库中。

根据实施例1的上述方式，无需对终端设备进行复杂的改进或增加其他额外硬件，利用现有技术中上行信道探测参考信号的反射信号来进行手势训练和识别，将手势训练得到的训练样本数据存储，从而可以用于手势识别操作，而且在进行手势识别时也不会影响到终端设备的其他通信功能，以较低的成本实现了终端设备的手势识别功能；另外，在处理反射信号时可以过滤超过设定距离的反射信号，减少非手势所反射的无关信号的干扰，大大提高手势识别的精确度。

实施例2

实施例2与实施1相对应，是一种执行实施例1描述的手势识别方法的终端设备和网络设备。

下面结合附图6和附图7对本发明实施例2的技术方案进行描述。

如附图6所示，本申请实施例所述的终端设备601包括如下部件：处理单元602，发射单元603，接收单元604，存储单元605，输入单元606，显示单元607。

其中，所述处理单元602用于终端设备各个组成单元的控制操作以及数学运算操作；所述发射单元603用于向终端设备外界发送电磁波信号；所述接收单元604用于接收外界的电磁波信号；所述存储单元605用于存储数据、程序等文件；所述输入单元606用于接收终端设备用户的输入信息；所述显示单元607用于向终端设备的用户显示信息。

如附图7所示，本申请实施例所述的网络设备701包括：处理单元702，发射单元703，接收单元704，存储单元705。

本领域技术人员应当理解，终端设备601、网络设备701还应当包含有完成其通信功能的其它必要部件，例如电源单元等等，但由于上述部件与本发明无关，在此不再赘述。

实施例2对现有技术的改进点、SRS信号的配置信息都与实施例1相 同，在此不再赘述。

下面结合附图1、附图6和附图7介绍SRS信号集的配置过程。

网络设备701的处理单元702生成用于手势识别的SRS信号集。所述信号集的内容和配置都与实施例1步骤101相同，不再赘述。

网络设备701处理单元702将生成的用于手势识别的SRS信号集传送给发射单元703，发射单元703将所述SRS信号集信息发送给终端设备601。

终端设备601的接收单元604接收所述用于手势识别的SRS信号集信息，并传送给处理单元602，所述处理单元602根据接收单元604接收到的SRS信号集信息确定当前用于手势识别的SRS信号。

当用户触发手势输入功能时，终端设备601的处理单元602从所述用于手势识别的SRS信号集中选择合适的SRS信号进行发射和识别。具体选择方法与实施例1步骤103相同。

在实际应用中，终端设备601的存储单元605中可以固化用于手势识别的SRS信号集，在此种情形下，SRS信号集配置过程可以省略，终端设备601无需网络设备701生成并配置SRS信号集。当终端设备601需要进行手势识别时，直接从存储单元605中固化的用于手势识别的SRS信号集中选取SRS信号进行发射。

在本申请实施例2中，终端设备601可以首先经历训练阶段，记录用户某个手势的SRS信号的反射信号的图谱特征量，并作为训练样本数据存储到数据库中。

下面结合附图2、附图6和附图7介绍训练过程。

同实施例1步骤201，终端设备601的发射单元603发射SRS信号。

对于终端设备601发送的所述SRS信号，如果存在网络设备701的SRS信号集配置过程，则终端设备601从网络设备701发送的SRS信号集中选取所述SRS信号；如果不存在网络设备701的SRS信号集配置过程，则终端设备601从自身存储单元605固化的用于手势识别的SRS信号集中选取 SRS信号。

同实施例1步骤202，用户距离终端设备601一定的距离，打出手势。用户可以在终端设备601附近打手势，例如，30cm以内。

同实施例1步骤203，终端设备601的接收单元604接收其发射SRS信号的多个路径的SRS信号的反射信号，处理单元602将SRS信号的反射信号与所述发送的SRS信号所对应的信号模板进行相关运算。本申请实施例2消除终端设备自身发送的SRS信号对SRS信号的反射信号检测的影响的方式与实施例1步骤203相同，在此不再赘述。

同实施例1步骤204，终端设备601的处理单元602滤掉超过设定距离的SRS信号的反射信号。本申请实施例2滤掉信号的方式与实施例1步骤204相同，不再赘述。

同实施例1步骤205，终端设备601的处理单元602记录滤波后的SRS信号的反射信号的相关谱特征量，将相关谱特征量以及对应的用户手势标识作为训练样本数据存储到存储单元605中。所述训练样本数据的组成与实施例1步骤205相同，不再赘述。

对于所述训练样本数据的存储位置，可以是终端设备601中的存储单元605，也可以是网络设备701中的存储单元。如果存储在网络设备701中，则终端设备601的处理单元需要将所述训练样本数据传送给发射单元603,并发送给网络设备701。网络设备701的接收单元704接收上述训练样本数据并传送给处理单元702，处理单元702再将所述训练样本数据存储在存储单元705。

无论训练样本数据存储于终端设备601的存储单元605还是在网络设备701的存储单元705，所述训练样本数据可以在所有终端设备间共享，并且可以使用大数据分析的方式，进一步对训练样本数据进行处理，提高识别准确性。

在本申请实施例2中，终端设备601经历训练阶段后，存储单元605 中有了各个手势的训练样本数据；或者通过共享的方式从网络设备701的存储单元705中获得了各个手势的训练样本数据；所述训练样本数据也可以是事先固化在所述终端设备601的存储单元605中的。当进入手势识别阶段时，终端设备601的处理单元602将用户手势的相关谱特征量与存储单元605中训练样本数据中的相关谱特征量做对比，从而识别用户的手势。

下面结合附图4、附图6和附图7介绍识别过程。

同实施例1步骤401，终端设备601的发射单元发射SRS信号。

同实施例1步骤402，用户距离终端设备601一定的距离，打出手势。

同实施例1步骤403，终端设备601的接收单元604接收其发射SRS信号的多个路径的反射信号，处理单元602将反射信号与所述发送的SRS信号所对应的信号模板进行相关运算。

同实施例1步骤404，终端设备601的处理单元602滤掉超过设定距离的SRS信号的反射信号。

同实施例1步骤405，终端设备601的处理单元602记录滤波后的SRS信号的反射信号的相关谱特征量，将所测得的相关谱特征量与存储单元605中的训练样本数据进行匹配，识别输入手势。处理单元602识别输入手势的方式与实施例1步骤405相同，不再赘述。

如果没有寻找到本次相关谱特征量对应的用户手势类型，可能是由于周边环境干扰造成识别识别，可以重复进行识别。另外，也可以进行如附图5所述的操作：

步骤501，处理单元602确定未从存储单元605中检索到与本次相关谱特征量对应的用户手势类型，识别失败；

步骤502，处理单元602控制显示单元607提示识别手势失败；

步骤503，处理单元602根据输入单元606的输入确定是否已经对本次手势进行过训练；

步骤504，如果在步骤503中确定已经对本次手势进行过训练，则处 理单元602根据输入单元606的输入确定本次用户手势标识，并执行步骤505；

步骤505，处理单元602将本次相关谱特征量作为输入手势训练样本数据的新相关谱特征量加入到存储单元605中；

步骤506，如果在步骤503中确定未对本次手势进行过训练，可选的，处理单元602控制显示单元607提示是否对本次手势新建立训练样本数据，并执行步骤507；

步骤507，如果处理单元602根据输入单元606的输入确认新建立训练样本数据，则处理单元602根据输入单元606的输入确认新建立的训练样本数据的用户手势标识，将本次相关谱特征量作为本次手势的第一个相关谱特征量与用户手势标识一起存储到存储单元605中。

实施例2获得的有益技术效果与实施例1相同，不再赘述。

虽然本申请实施例以用户手势识别为例对技术方案进行了介绍，但本领域技术人员应当知晓，本申请实施例的技术方案不仅仅限于用户手势的识别，也可以用于其它装置的形状、动作识别。

在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM， Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现，且不同实施例之间，在不产生矛盾的前提下，具体的实现方式可以进行组合。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口、装置或单元的间接耦合或通信连接，也可以是电的，机械的或其它的形式连接。