一、引言 近几年，随着Android、IOS等移动操作系统的兴起以及人机交互技术（HCI，Human-ComputerInteraction）的迅速发展，搭载移动操作系统的智能便携式设备发展势头迅猛，智能手机、GoogleGlass、iWatch智能手表以及JawboneUP智能手环等设备的推出更是将智能便携式设备的发展带入了新的时代。

然而这些便携式智能设备在HCI方面还存在诸多限制，例如设备屏幕偏小（如智能手表、智能手环）、不配备可触摸的交互屏幕（如GoogleGlass）等，传统的按键式和触摸式手势操控方法已经不能胜任。

为了拓展功能，便携式的键盘，远程遥控等设备开始兴起，但仍无法满足用户对便捷的需求。

智能便携式设备平台迫切需要更为自然灵活的非接触式手势操控技术。

随着科技的不断进步，声控传感器、脑电波传感器等研究的出现让人们看到无需和机器接触就可以控制其操作的优越性。

综合考虑到智能便携式设备的体积小、电量有限、性能等特点，在前人研究的基础上，本次研究提出了一种基于超声波的面向智能手机的手势识别方法。

该方法利用智能手机自带的麦克风与扬声器，发射超声波并进行接收。

对由用户手势变化引起的声波信号频率变化的特征进行提取和分析，进而识别用户手势。

人耳听觉可感知的频率范围在20Hz到20kHz之间，一般情况下成年人听不到频率超过18kHz的声音（忽略超声波对动物和儿童的影响），因此，为了不影响人们的日常生活和设备的正常使用，我们令设备自带的扬声器发出20kHz的超声波信号（扬声器一般最高可以发出18kHz到20kHz的声波），同时令麦克风进行声波信号采集。

由于声波具有的Doppler效应，用户手在麦克风感应范围内运动时会引起声波的频率变化，使用Goertzel算法对采集的声波信号频率变化进行特征提取和分析，进而得到用户手势的移动方向，最后将得到的手势运动方向作为观察值输入隐马尔可夫模型（HiddenMarkovModel，HMM）中进行手势识别。