利用手势进行人机交互可为产品和用户带来诸多好处。手势识别（HGR）系统，特别是那些使用雷达传感器的系统，由于其实时应用的潜力而受到关注。然而，主流方法通常依赖于未经提炼的 2D 或 3D 雷达信号，这些信号通常很大且冗余，需要使用大型神经网络分类器。这种高计算需求限制了它们在低成本、资源受限的边缘平台上的部署。在本文中，我们提出了一种基于 24 GHz 调频连续波 (FMCW) 多输入多输出 (MIMO) 雷达的低成本、近距离 HGR 系统，专为资源有限的环境而设计。通过应用波束成形、恒定虚警率 (CFAR) 目标检测和特征提取，我们的实验表明，对距离、速度和角度等维度进行有针对性的信号处理可以有效地对手势进行分类。该方法使用轻量级传统神经网络 (CNN) 对四种手势类型实现了 99.60% 的识别准确率。通过专注于高效的雷达信号处理而不是复杂的神经网络，我们成功地将系统部署在嵌入式平台上。该系统对于训练有素的用户和两个未经训练的用户的准确率分别为 99.36%、95.00% 和 95.64%。
