随着人民生活水平的不断提高以及对健康的重视,体育活动受到越来越多的关注,同时也吸引了大量的研究学者,加上近年来传感器网络的迅猛发展,使得基于人体躯域传感器网络(简称体域网)的体育领域的研究逐渐成为热点。体域网在体育领域的应用主要有日常体育动作识别、武术运动序列检测、与视频相结合进行自动视频标注以及体育训练等。在众多体育项目中,羽毛球是最流行的项目之一,深受人们的喜爱,而目前关于羽毛球击球动作识别方面的研究相对较少,所以本文利用体域网来识别12种不同的羽毛球击球动作并对羽毛球员进行技能分类。本文利用4个无线惯性传感器分别佩戴在运动员的右手腕、左手腕、腰部右侧、右脚踝,用于采集12名羽毛球员击球时的运动数据,并将采集到的运动数据通过无线接收节点上传到上位机中。接着使用本文提出的二层分类算法来识别12种不同的羽毛球击球动作,第一层利用基于阈值的方法检测击球点,然后利用HMM模型来过滤非击球动作；第二层同样利用HMM模型来识别击球动作的类别。实验结果显示,利用HMM识别12种击球动作的平均识别率可达99.3%,其分类效果优于其他4种分类算法,验证了本文方法的有效性。此外,本文还初步研究了3个不同技术水平的羽毛球员扣杀时的运动特点,并用HMM对3个等级的扣杀动作进行等级分类,其平均分类识别率可达100%。本文的最终目的是设计一个羽毛球辅助训练系统,该系统不但可以识别一个击球动作的类别,还可以区分这个动作的等级,为羽毛球的训练提供帮助和意见,具有很好的应用前景。