随着信息技术的不断发展,人机交互系统越来越受到学术界和工业界的重视,研究者也一直在寻找更加高效、便捷的人机交互方式。基于惯性传感器的空中手写系统就是其中的佼佼者之一。与传统的人机交互系统相比,基于惯性传感器的空中手写系统可以自由地在3D空间内书写以进行指令的表达,这是一种更加贴近人类使用习惯的交互模式。因此,惯性空中手写系统在学术界中越来越受到研究者的重视。目前关于惯性空中手写的大多数研究集中在字符识别上。相比之下,很少有工作关注空中手写单词识别任务,但是在实际应用中,空中手写系统的使用者更加倾向于指令的连续书写。因此,针对空中手写单词识别的研究才是更具有实际意义的。本文对单词级别的空中手写任务进行了以下的研究:1.单词级的空中手写识别任务通常面临着训练数据不足的问题。为了解决这个问题,本文提出了一种基于生成对抗网络（Generative Adversarial Network,GAN）的空中手写单词合成方法。该方法可以无限量地合成逼真的空中手写单词样本,为后续的识别任务提供大量的训练数据。借助合成数据训练的识别模型可以实现测试性能上的幅度提升。2.由于之前的工作很少关注空中手写单词识别,本文首次提出了两种深度单词识别模型:基于CTC算法的空中手写单词识别模型与基于注意力机制的空中手写单词识别模型。3.为了实现更好的泛化性能,本文首次将路径重积分理论应用于空中手写单词识别上。本文提出两种全局路径积分模块,他们使用路径重积分特征来表征空中手写单词信号,并将其与原始信号进行融合。