毫米波雷达手势识别技术通过对不同手势反射的雷达回波进行特征提取,实现手势的分类识别,能够突破基于视觉和可穿戴设备的手势识别技术的局限,同时具有不受光照强度影响、隐私性好、非接触交互等优势,在智能驾驶、智能家居等方面具有十分重要的应用价值和前景。手势识别轻量化网络技术,是指通过模型压缩、轻量型网络设计等途径有效地减少手势识别网络的参数及计算量,使其可应用于小型设备及嵌入式设备中,可显著拓展毫米波雷达手势识别设备的应用场景。毫米波雷达手势识别网络模型压缩、轻量型网络设计是实现雷达手势识别网络轻量化的基础和核心要素。本文围绕上述研究内容进行了理论分析、方法研究和实验验证等研究工作,主要研究内容如下:1、针对毫米波雷达手势回波特征准确提取难的问题,研究了手势回波的多维特征图提取方法,将手势映射为距离-时间、多普勒-时间及角度-时间图,为识别网络设计奠定了基础。2、针对已有手势识别网络的轻量化压缩问题,提出了多维特征融合手势识别网络的模型压缩方法,通过对深度卷积网络进行迭代稀疏剪枝及知识蒸馏,可以在不影响识别准确率的前提下显著降低模型的参数量和计算量。3、针对模型压缩中重新训练次数过多等问题,提出了利用轻量型卷积网络来搭建手势识别网络的方法,通过采用深度可分离卷积的思想,在网络轻量化的条件下实现了良好的识别效果。4、针对不同硬件资源约束下的轻量化网络设计问题,提出了基于可瘦身机制的轻量型手势识别网络设计方法,通过训练具有可切换批量归一化层的共享网络,使网络可以自适应调整宽度参数,提高网络对硬件的适应性。以上研究内容的有效性均已通过理论分析和基于手势数据集的仿真实验进行了验证。结果显示,本文所提出的方法能够在保证识别性能的前提下有效地实现手势识别网络的轻量化。