近年来,凭借新颖的功能和轻巧的外观,新型智能设备在我们日常生活中变得越来越流行。很多人开始使用它们来打电话、发信息甚至玩游戏。然而,正是因为其小巧的特性,也为人机交互特别是文本输入带来了挑战。尽管目前已经有很多方法被提出来解决这一问题,但是他们都有着不同方面的缺点,比如需要联网、易受环境噪音干扰、泄露用户隐私以及需要用户佩戴特定设备等。基于此,我们展开了基于声学感知的细粒度手势输入技术的研究,用户无需携带任何其他设备即可利用此技术在空气中书写,系统可以自动进行手指动作识别,进而完成文本输入。此技术突破了传统利用屏幕点按的交互方式限制,不受屏幕大小、用户差异、噪声干扰和网络状况的影响,只要设备配备了扬声器和麦克风即可使用。不同于此前的其他研究,此技术基于手指运动对声音影响的物理原理进行了建模,创新地利用信号处理和图像处理技术提取出每个手势的本质区别特征,因此不需要用户预先进行数据训练,减少了不必要的使用成本,提高了系统的可扩展性。同时我们设计了鲁棒的连续手势检测方法,可以有效地对抗环境干扰,系统在用户连续输入的情况下也可以精确地定位出手势信号的起点和终点。此外,我们还设计了基于贝叶斯推断的语义模型,可以实现单词输入的自动推断、纠错和预测,大大提高了用户的输入效率。我们在商用智能手机与智能手表上实现了基于此技术的系统,即EchoWrite,并且对其做了大量的实验来评估性能。实验结果显示,EchoWrite的平均手势笔画识别准确率为94.7%。提供三个候选单词的情况下,系统可以达到94.9%的单词输入识别率。经过智能纠错,单词输入识别准确率平均可以提高4.4%,输入速度平均为7.5个每分钟。与此同时,我们做了NASA-TLX主观任务负荷表的调查,实验结果表明EchoWrite带给用户的使用体验也是令人满意的。