上个世纪是移动通信技术快速发展的黄金阶段,软件无线电技术(Software Define Radio,SDR)也在上个世纪90年代初期应运而生,并且广泛的流行了起来。在软件无线电中,通信功能基本都是由运行在PC上的软件程序完成,而软件无线电所需要的基本通信平台则有传统的硬件无限通信设备实现,如此的灵活性为本文结合机器学习理论识别人体姿态(手势)识别提供了可能性。本文针对软件无线电信号的提取、改进的和声搜索算法以及基于支持向量机的手势识别技术进行研究,主要工作如下:利用软件无线电中软件实现通信功能的特性,使其工作在生活中WiFi模式下,由PC完成对其由802.11a协议定义的OFDM帧信号中有效信息的提取,同时并不影响原始系统原本的通信功能,既对既有无线信号的再利用。对于基于支持向量机(Support Vector Mechine,SVM)的手势识别研究,本文对9种情况8种手势做了分类研究工作,为了提取对应类别的分类有效数据,重点分析了基于平滑伪Wigner-Ville分布(Smooth Pesude Wigner-Ville Distribution,SPWVD)的特征提取方法。首先利用 SPWVD获取接收信号的瞬时功率谱密度,并利用其频率边缘分布获得各种情况用于SVM分类的特征向量,为了完成对动态手势的识别工作,引入了动态滑动窗口获取数据的统计信息。结果表明,该特征提取方法具有较好的可分性,可以有效提高手势识别的准确率。部分关键参数对支持向量机的分类效果影响较大,为了获取较好的SVM参数,本文利用改进的和声搜索算法对其进行了优化工作。考虑到标准和声搜索算法调音过程中新和音并未与和声记忆库中的最优和音进行信息交互,针对此问题,本文利用人工鱼群的寻优思想对和声搜索算法进行优化,提出了两种改进的和声搜索算法,其采用人工鱼群的觅食思想,在调音过程中加入了通过最优和声扰动获取新和声的方式,从而使调音加速向最优解方向加速收敛,同时保留原有的调音方式,避免调音过程陷入局部最优解。测试结果表明,该改进算法加速了 SVM关键参数的寻优。基于以上思想,本文进行对软件无线电的新应用的可行性分析,逐步对通信模型,特征参数等关键点进行分析,达到在不影响正常通信的前提下实现人体姿态识别。为了验证本文思路的可行性及有效性,通过建立仿真模型及实际测量进行验证,结果证明了本文所提思想的可行性。