面向可穿戴设备、泛在计算场景对自然的非接触人机交互方式的需求，开展了基于超声波的手势识别技术研究，提出了一种特征预对齐的随机森林手势识别算法和基于随机森林的考虑计算复杂度的特征集筛选方法，该算法与深度学习算法相比具有低复杂度、模型规模小、不需要大规模样本的优点，更适合轻量级嵌入式系统；同时与其它经典的低复杂度分类算法相比，能够有效提高跨用户识别率。3维手指精细度的跨用户平均手势识别率达到93.9%，筛选后特征的计算时间缩短了44.3%。相关研究成果发表在IEEE SENSORS 2019和IEEE Sensors Journal上，并申请国家发明专利1项。
