一直以来,联机手写识别都是模式识别领域的一个重要分支,相比于传统的平面手写识别,空间手写识别因其良好的用户体验,成为了近年来研究的热点,是联机手写识别发展的趋势。特征提取是模式识别领域的关键问题,同样对空间手写识别来说,特征提取是空间手写识别过程的关键步骤,特征提取的好坏将会极大的影响整个空间手写系统的性能,研究空间手写识别必然需要深入研究相关的特征提取技术。目前现有的研究包含分别针对时域特征和频域特征的识别方法,如何利用时域特征和频域特征的互补性,构建性能更好的空间手写系统,以提高系统的识别率,是非常值得研究的课题。本文针对以上问题,作了如下工作：(1)概述空间手写识别的发展背景、应用领域和研究现状,并详细介绍了空间手写识别的整个流程,对流程中各部分所涉及的技术进行了比较完整的总结。(2)总结和介绍空间手写识别中主流的特征提取方法,时域特征中介绍了如下特征：加速度相关特征：加速度、速度和位移和STE短时能量特征；频域特征中介绍了DCT变换特征和FFT变换特征,并提出了一种新的WPD+FFT特征。设计了空间手写字符识别实验,比较了不同特征的性能,并从中选取了适用于空间手写识别的较优特征。(3)从特征级融合的角度出发,对时域特征和频域特征进行了特征融合,提出了一种基于特征级的融合方法,并利用PCA对融合特征进行特征降维。实验结果表明,时域特征和频域特征存在良好的互补性能,采用本文中的特征融合方法后,空间手写系统的识别率得到了进一步的提升。