随着人工智能的兴起,智能移动设备包括智能手表,手环等也在日常生活中随处可见。在智能移动设备交互方面,目前存在的触摸屏交互技术和语音交互技术仍然存在某些局限性。智能设备都内置了惯性传感器,基于惯性传感器的手势识别将非常适合智能移动设备的人机交互,可在一定程度上弥补触摸屏和语音识别的不足。手势识别可以作为智能移动设备的一种额外的交互方式,从而是人机交互更方便、更丰富。本文的研究主要聚焦于基于惯性传感器的手势识别系统,为了降低数据处理的计算代价,只使用三轴加速度传感器来进行手势识别。在手势复杂程度不同的情况下分别提出适应自身应用场景的识别模型,并在智能手机上开发了一套识别系统,对简单的控制手势和作为文本输入的复杂字母轨迹手势实现了很好的识别性能。本文主要完成了以下研究工作:1.提出一种基于峰值检测的自动手势分割算法。通过处理三轴加速度传感器数据得到参考信号,从信号中检测峰值并结合阈值判断来自动定位手势运动的数据段和确定手势的起起始点和结束点。2.提出一种通过匹配生成的手势模型的识别方案,该方案对加入了设备姿态信息的轨迹简单的控制手势具有较好的识别性能。通过使用分类与回归树(CART)算法对各类手势生成回归树模型,以总平方误差最小为原则对手势进行匹配识别。3.提出一种基于判别模型的手势识别方案,文本输入场景下,手势具有复杂的运动轨迹,该方案具有较好性能。基于加速度传感器信号重构图像的手势识别方案,通过一定的算法转换传感器的信号为灰度图像数据,然后针对图像进行识别,可以无需人工提取特征,直接对图像进行决策分类,同时也加入了非定义手势过滤算法,使用了简单有效的softmax回归模型来分类识别。