人机交互是研究人与计算机之间相互作用和相互影响的技术，已成为人们日常生活中不可或缺的重要组成部分。手势作为自然、直观的交互方式，大大简化了交互的过程。基于加速度传感器的手势识别技术由于具有识别精度高、响应速度快、价格低廉、不受工作环境限制等优点在智能家居、家用电器、手持移动设备等诸多方面有着广泛的应用。本论文基于加速度传感器构建了手势识别硬件系统，并设计了手势识别算法。我们将手势分为基本手势和复杂手势两大类，其中复杂手势可表示为基本手势组成的序列，从而简化了识别的过程。加速度传感器采集手势加速度，经预处理、手势分割、基本手势识别、基本手势编码、复杂手势相似度匹配，最终完成手势的识别过程。主要工作及创新点如下:　　1.为采集用户手部运动的加速度数据，基于三轴加速度传感器和微控制器设计并制作了笔型手势获取装置和智能戒指两种加速度采集装置。用户可以手持加速度采集装置以他们喜爱的方式完成手势动作。对采集的手势加速度数据进行了平滑滤波和手势分割。通过对手势加速度数据进行频谱分析，设计了滑动均值滤波器，有效地去除了手部抖动带来的高频噪声。准确可靠的分割对手势识别至关重要，为了将复杂手势分割为基本手势信号段，提出了加速度极大极小值分割法、加速度差分极小值分割法和加速度差分阈值分割法三种手势分割方法。　　2.针对基本手势的识别，通过提取有效的特征，实现了基于规则的识别、基于随机森林的识别和基于神经网络的识别三种算法。对于复杂手势，经手势分割后变为基本手势序列，首先利用基本手势识别算法识别出序列中的每个基本手势，然后通过计算识别出的基本手势序列与标准模板序列的相似度来匹配最相似的复杂手势。为便于计算相似度，对基本手势采用约翰逊码进行了编码，进而用编码间的汉明距离来度量手势间的相似性。　　3.通过采集大量的手势样本数据，对本文设计的三种手势识别算法分别进行了实验验证，包括基本手势的识别和复杂手势的识别，并探究了基于神经网络的识别算法的用户依赖性。三种算法中，基于神经网络和相似度匹配的方法对基本手势和复杂手势的识别精度较高，且具有用户独立的特点，有较高的实用价值，可将其应用在各种人机交互系统中。