在人机交互领域，自然人机交互技术逐渐成为人机交互新的发展方向，它是追求自然、和谐、人性化的新型人机交互方式。基于加速度信号的人体动作识别技术作为一种自然人机交互方式，受到了研究人员的广泛重视，在智能人机交互、虚拟现实、体感游戏、医疗康复训练等多种领域显现出极大的应用潜力。基于加速度信号的人体上肢动作识别是一种新兴的动作识别技术。尽管近十几年来取得了较快的发展，但还处于相对基础的研究阶段。要进行动作识别的研究，其过程通常包括动作信号获取、动作数据处理和动作模式识别三个步骤。如何设计动作的加速度信号采集方案、如何对获取的加速度信号进行处理、如何实现较高精度的上肢动作模式识别等是目前基于加速度信号的上肢动作识别研究的主要难点。本课题围绕这些问题来进行探讨，展开了一系列研究。本文所做的主要研究工作包括以下几个方面：1、在查阅大量国内外文献资料的基础上，简单综述了开展本课题研究工作的背景及意义，并对国内外的研究现状进行分析，进而明确本课题的研究内容，并给出总体研究方案。2、设计并开发了一套数据采集装置。提出一种新的人体上肢动作的加速度信号获取方案，基于三轴加速度传感器ADXL345研制出了一套动作加速度信息采集设备，并对其硬件系统电路设计和软件采集程序设计两方面的内容分别进行介绍。3、结合小波理论，提出一种基于统计模式识别方法的上肢动作识别算法。介绍了基于小波阈值去噪和归一化的预处理方法。分别提取预处理后的三维加速度信号的时域特征参数和三层小波包分解的全维能量信息特征参数，构建特征向量。最后介绍了SVM分类器设计的相关SVM理论以及SVM分类算法实现的开源软件LIBSVM。4、设计了具体的实验对总体研究方案进行验证分析。选取10位实验对象参与数据的采集工作，自定义7种上肢动作模式，要求每种动作每位实验者执行30次，得到实验的原始数据集。原始加速度数据不能直接用于分类识别，还需要进行预处理和特征参数的提取，并通过得到的特征向量来建立泛化性能较好的SVM分类器。为了得到最优SVM分类判决模型，通过比较四种不同的SVM核函数的实验结果，最终确定RBF核函数作为最优的SVM核函数，并通过网格搜索算法得到最优核参数对(C,)。最后，分别在“特定人”和“非特定人”数据集上进行实验交叉验证，并对实验结果进行了分析和讨论，进一步验证了本课题研究方案的有效性。