随着移动终端设备的普及,移动设备操作界面小,操作繁琐等问题亟待解决,如何高效地与移动设备交互越来越重要。手势作为一种人类通用的交互方式,可以在日常生活中直接清晰地表达人们的意图,已经成为人机交互界的热点。其中基于声音侧信道的手势识别技术由于其不需要额外设备和普适性等特点倍受关注。现有的基于声音侧信道的手势识别技术,需要检测多普勒频移用以识别不同的手势,但对于手势的幅度和速度均有一定要求。实际生活中,微手势更加符合人类使用习惯,但微手势由于其幅度小、反射能量微弱等问题,导致现有方法检测不到多普勒频移。因此,如何检测出如此微弱的频移以及在移动设备上对手势进行追踪与识别是极具挑战的课题。本文提出新的方法用以解决微手势能量微弱导致无法检测频移的问题,并在移动设备上构建新的物理映射模型用以追踪手势轨迹,本文主要研究内容和贡献包括。首先,提出一种无需额外设备的微手势识别系统,可以准确地跟踪和识别手指运动。为实现这一目标,通过在内置扬声器和麦克风之间建立声音侧信道链路,将智能手机等移动设备转换为主动式声纳系统。声音侧信道不会被人感知,对移动终端正常功能不会产生干扰,并且由于其波长短可以更显著的放大频移,所以本文采用声音侧信道用以感知手势运动。其次,由于反射能量微弱和手指移动速度慢,现有方法无法准确检测多普勒频移。为此,本文提出了一种微手势多普勒频移检测方法,它由两个步骤组成,第一步通过基于对称阈值方法检测频移事件,第二步通过基于傅里叶拟合方法检测频移数值。最后,在移动设备上提出了物理映射模型用以追踪手势轨迹,并且对粒子滤波方法进行简化,模拟手势初始位置。获得手势轨迹之后,引入Canny算法和Hu-moment特征算法对手势轨迹进行特征提取,匹配最终手势结果。通过实验证明本文的微手势识别系统在动态环境中的高精度和鲁棒性。