自然的人机交互技术已经成为了当前计算机技术研究的热点,手势作为一种直观的表达方式,由于其简单和自然的特性受到了研究者的关注,将手势作为人机交互的一种方式将大大提高人机交互的体验。基于手势的人机交互研究中,根据手势数据获取方法的不同,可将手势识分为三种：基于计算机视觉的手势识别、基于肌电信号的手势识别和基于可穿戴传感器的手势识别。其中基于计算机视觉的手势识别方法容易受到光照、拍摄角度、背景等因素的影响,为克服基于计算机视觉的手势识别的不足,本文采用了可穿戴传感器作为手势数据采集设备,采集了8种手势动作的加速度信息,研究了基于随机投影的加速度手势识别算法,并对所设计的系统进行了实验验证,证明了系统的有效性。本文的工作包括以下几个方面：1)手势加速度数据采集及处理。本文采用Wiimote采集手势加速度信号,对原始信号首先进行滤波、平滑,然后采用改进的SW:AB算法自动从连续的手势信号获中提取有效的手势数据段。2)数据聚类。利用DTW算法和AP聚类算法对训练集数据聚类,为训练集中的每一个手势样本创建一个聚类样本中心。3)数据降维。采用随机投影算法对候选手势样本和未知手势样本降维。4)l1-minimization识别。通过求解l1-minimization问题来判断未知手势样本类别。5)通过实验验证基于随机投影的加速度手势识别算法的有效性。本文共采集了2400个手势加速度数据样本,在采集的数据上进行实验验证,基于特定人的手势识别率为98.41%,基于非特定人的手势识别率为96.67%。实验结果证明该算法是有效的。