1.一种基于fpga加速的低功耗手势识别系统，其特征在于：系统包括fpga和设置有imu传感器的手套，所述fpga包括预处理模块、特征提取模块、分类模块，所述imu传感器分别设置在手套上每根手指的第二关节和手掌背部。
2.根据权利要求1所述一种基于fpga加速的低功耗手势识别系统，其特征在于：所述预处理模块分为小波降噪和swab算法实现数据中有效数据的分割和提取两个部分；其中小波降噪中给定平方可积的信号x(t)则有等式：
其中b是时移，a是尺度因子，ψ(t)为基本小波。
3.根据权利要求2所述一种基于fpga加速的低功耗手势识别系统，其特征在于：为了便于fpga定量化计算，各个尺度下信号阈值的固定公式为：
其中γ为噪声功率谱参数，median()表示输入对应的中位数，dj(k)为第j层小波的系数，j为分解尺度，length()表示输入数据长度。
4.根据权利要求3所述一种基于fpga加速的低功耗手势识别系统，其特征在于：通过swab算法实现数据中有效数据的分割和提取具体为：将6个imu传感器采集得到两个维度的信号数值的平方和作为变化的量度记作：
将signal记作判断手势动作的依据，通过设置合适的阈值分割出相应的信号。
5.根据权利要求1-4中任意一种基于fpga加速的低功耗手势识别系统，其特征在于：所述特征提取模块通过采用卷积神经网络模型提取手势特征。
6.根据权利要求5所述一种基于fpga加速的低功耗手势识别系统，其特征在于：所述卷积神经网络一共三层卷积层，卷积核数量为分别为4、6、6，卷积核尺寸都固定为3×3，步长为1，池化均选择最大值池化，窗口大小固定为2×2，全连接层输出为4。
7.根据权利要求1或2或3或4或6中任意一种基于fpga加速的低功耗手势识别系统，其特征在于：所述分类模块使用多层感知机网络完成分类，根据卷积神经网络的输出和最终结果要求设置了多层感知机的输入和输出，进而输出识别结果。
8.根据权利要求7所述一种基于fpga加速的低功耗手势识别系统，其特征在于：所述分类模块中多层感知机网络有两个隐藏层，每个隐藏层8个神经单元，针对不同层使用不同的激活函数，且分类模块中引入了新的激活函数为：
retanh＝max(0，tanh(x))。