近些年，物联网技术快速发展，人机交互应用越来越普遍，而手势作为人机交互的重要一环，在人们生活中扮演了重要角色。目前，基于MEMS惯性传感器的手势识别方法，都需要分析每个手势的加速度和角速度的特征值或者相应的规律，然后根据这些特征值或者规律来识别手势，此方法需要分析每个手势的运动细节，操作者需要根据设计者事先定好的手势进行操作，这样会对用户手势操作造成不便。针对上述情况，本文提出了一种基于运动轨迹的手势识别方法，通过追踪手势的运动轨迹来识别手势，可以避免对每个手势进行运动学分析，只需分析手势运动轨迹特征，方便用户手势操作，同时也增加了手势识别的多样性。　　在研究了大量的相关资料的基础上，本文从基本原理出发，介绍了运动轨迹追踪的基本原理和手势识别方法，分析了MEMS惯性传感器误差来源，并建立了加速度和角速度的系统误差模型和随机误差模型。在运动轨迹追踪理论基础上，设计了数据自动截断算法以减少冗余数据，设计了四元数误差处理算法来提高转移矩阵的精度，此外由于重力加速度对运动轨迹计算的影响，设计了重力加速度补偿算法以消除其影响，之后针对积分计算的速度和位移存在误差问题，提出了速度位移重建算法。在手势识别理论基础上，结合实际手势运动轨迹，设计了运动轨迹的特征值和手势分类器以及特征值的提取算法。最后，使用Matlab对运动轨迹的手势识别算法进行仿真，并给出了实验结果，该实验结果表明本系统的手势识别率高于90%，达到预期效果。