中文摘要: 在手势识别领域，现有方法存在细粒度特征提取效率低、模型部署成本高、鲁棒性差等问题。为了解决这些问题，提出一种基于知识蒸馏的无线手势识别方法。首先对信道状态信息（Channel State Information, CSI）进行数据预处理，通过共轭乘法去除相位偏移噪声，然后利用巴特沃斯滤波器消除静态和高频噪声，接着使用主成分分析提取信号的主要成分。该方法通过知识蒸馏使学生模型学习教师模型的输出，获得包含CSI特征和教师模型对身体坐标速度谱的理解表示。此方法在保持识别精度的同时压缩了模型规模。在Widar3.0数据集上的测试显示，模型参数量减少约1.6倍，识别准确率达94.75%。与现有方法相比，所提出的手势识别方法表现更优，为无线信号手势识别提供新的解决方案。