全球聋哑人超过7000万，手语是他们沟通的首选方式。普通人未系统学习过手语，与聋哑人的交流存在障碍。手语识别技术利用传感器和计算机将手语翻译成语音或文字，能帮助正常人理解手语动作，且作为一种便捷、智能的交互手段，已广泛应用到机器人控制、运动医疗和VR/AR等领域。　　论文对中国手语中单手词汇的识别展开研究，设计并实现了可穿戴手语数据手套的硬件系统，包括五个微型MEMS节点，一个低功耗蓝牙主控节点和一个蓝牙适配器。通过建立手部模型，分析运动时的约束条件和数学关系，并结合手语特点选择手的加速度、角速度和姿态角作为手语动作的特征。为了提取手语特征，论文对MEMS传感器进行了误差分析和校正，提出了基于四元数的扩展卡尔曼滤波算法以解算得到手部姿态，并提出融合样本熵和MEMS数据差分的方法进行手语分割。论文设计了手语词汇识别神经网络，采用卷积神经网络进行手语上下文信息提取，采用门控循环单元进行手语特征序列建模。论文通过15名志愿者采集了包含40个单手词汇的手语数据集并进行了扩充，基于数据集完成了网络的训练，并通过Adam算法、网络正则化、梯度剪切对训练进行优化。开发了基于Android的手套DFU升级系统，基于Unity3D的手部动作可视化系统和基于C++的实时手语词汇识别系统。　　实验表明，手语数据手套的重量为17.8克，可连续使用6小时，姿态解算的精度为0.94°，蓝牙的发送频率为50Hz，5米内的丢包率低于10%。在本文的数据集上，手语词汇识别系统的用户相关和用户无关识别率分别达到96.7%和91.3%，平均识别时间为844ms，达到预期目标。