随着计算机技术、模式识别技术和传感技术的发展,基于加速度传感器的人体动作模式识别成为模式识别领域一个新兴的研究方向,实际是通过利用加速度传感器采集到人体运动时的加速度数据,再对信号进行预处理、特征提取和选择并最终对动作进行分类识别。由于MEMS技术的发展,国内外有许多基于加速度传感器的消费电子产品都取得了巨大的成功,其中基于加速度传感器的人机互动游戏产品备受欢迎,带给了用户全新的体验颠覆了传统的游戏概念。基于加速度传感器的人体运动识别和人机交互游戏有着巨大的优势,但是由于周围环境的复杂性以及人体运动的多样性使得人体运动识别变得相对比较困难并存在一定的缺陷,目前该领域的研究依然处在一个相对来说比较基础的阶段。在日本任天堂公司的《WiiSports》游戏中,玩家仅仅做出轻微地抖动就在游戏内容上显示巨大幅度的动作,由于技术上的原因无法准确地对用户的动作进行识别,以乒乓球运动为例,甚至对常见的几种正手击球、反手击球、扣杀等动作都无法准确的识别。导致这一缺陷的原因就是因为上肢加速度信息获取方式与数据处理方法不当,这些缺陷直接导致在游戏内容上无法准确的还原用户的动作,使得用户的游戏体验感不够真实。为解决这一问题,本文做了如下工作：1、在对人体模型分析的基础上提出一种适用于人机互动游戏的人体上肢动作信号采集方案,搭建所需的硬件采集平台2、设计一套适合于乒乓球互动游戏中简单常见的正手击球、反手击球、扣杀击球三种动作的分类识别算法,对3路加速度信号和3路陀螺仪信号进行信号预处理后,利用小波变换的方法进行特征提取,然后采用一种结合了PAC和ReliefF特征选择算法完成特征选择,最后建立SVM模型分类识别。3、设计安排实验,对20个实验对象的动作信号样本进行采集,每个实验对象进行4次重复实验,每次重复实验模仿乒乓球运动员做出正手击球、反手击球、扣杀击球动作,每个动作连续做10次,并得到了较为理想的实验结果。