在篮球领域,现有训练计划的制定主要依靠教练员的人工观察和个人经验,这种方式不可避免的带有主观性。而将体域网技术应用于运动员的训练中,对运动员的姿态进行识别,可以帮助教练员辅助决策,极大地提升运动员的竞技能力。篮球运动中所体现的人体动作较为复杂,篮球运动姿态的准确识别对篮球运动比赛和训练等实践中具有积极重要的作用。本文将惯性传感器技术应用于篮球运动中的姿态识别,主要研究包括了三个方面:(1)为提高姿态解算的精度,降低备检测过程中的噪声干扰,本文将扩展卡尔曼滤波算法应用于姿态解算,实现多传感器的数据融合;(2)为解决体育训练中光学运动捕捉数据处理的复杂、空间限制等问题,本文在上位机构建虚拟人体模型,实现人体运动姿态重现,初步完成了人体下肢动作和上肢动作的显示;(3)基于以上研究,提出了篮球运动姿态的识别方法。文中分析了步行、跑步、跳跃以及站立运球、步行运球、跑步运球、投篮、传球以及接球9种篮球动作中腿部和手臂动作的行为表现以及对应的信号波形特征,提出了针对篮球运动的两阶段数据划分方法,提取出单元动作数据进行分析,实现特征提取,为选择最适合篮球运动姿态识别的分类器,将构建的特征向量用四种不同分类器进行训练构建不同的分类器,实现动作的划分。实验显示,本文针对篮球运动中的9种姿态所设计的实验方法能够实时获取被检测者的篮球动作信息,实现单个动作数据的准确提取,完成了篮球运动姿态的识别,其平均准确率可达98.85%,在篮球运动姿态识别中具有一定的实用价值。