手势是指个体按照主观意识所做出的的手部动作,作为一种肢体语言,它包含了丰富的信息,是一种日常生活中广泛使用的,高效自然的交流方式。而手语动作作为手势的一种,是聋哑人进行交流和沟通的重要途径。然而聋哑人与不了解手语的健全人交流困难,这也一定程度上降低了聋哑人与外界交流的积极性。本文设计了一种交流中对方无需握持摄像头的,基于多传感器和Zynq的手语手势识别系统,能够实现对15种常用手语手势的快速识别,具有很高的实时性。本文所设计的系统主要分为两大部分:传感器数据手套和Zynq手势识别系统。传感器数据手套采用以Arduino作为单片机平台,负责控制传感器数据的采集、处理和发送。采用弯曲传感器和惯性测量单元,分别获取五指弯曲程度信息和手部姿态信息,两种传感器的数据共同作为手势识别的依据。同时,在数据发送和接收端加入了CRC-16/CCITT-FALSE校验过程,解决蓝牙模块在数据传输过程中数据丢失的问题。采用BP神经网络作为手势识别算法,并在MATLAB中对识别算法进行建模和仿真。同时,为了高效快速地将BP神经网络硬件化,本文利用High-Level Synthesis技术,将用于识别的BP神经网络实现于Xilinx Zynq SoC的可编程逻辑端,并从资源和时序的角度对比了多种优化方案,得到一种在资源和时序上取得较好平衡的方案。实际结果表明,使用High-Level Synthesis技术能够于更高的抽象层面完成算法设计和实现,在FPGA中可以高效地实现BP神经网络,相较于传统的RTL设计而言,不仅设计周期大大缩短,而且能够取得较好的性能。Zynq识别系统的设计属于软硬协同设计。处理器系统即软件部分,负责顺序执行的数据处理任务,通过蓝牙模块接收传感器数据手套发送的数据,然后通过CRC校验过程保留其中的完整数据,提取传感器数据并进行归一化,并和可编程逻辑共同完成OLED显示工作。可编程逻辑即硬件部分,除了包含了计算量较大且可以并行处理的神经网络外,还分担了处理器系统中执行效率较低的SPI协议,从而提高系统的实习性。在系统运行过程中,处理器系统通过AXI4-Lite总线调用可编程逻辑中的神经网络模块和OLED加速模块,实现软硬件协同工作,完成了手语手势识别和结果显示的工作。实验表明,系统对15种手语手势的识别情况基本达到理论准确率的水平,具有很好的实时性。