随着科技的高速发展，人们日常生活中使用的交互方式也越来越具有多样性，但目前的主流交互方式仍存在空间受限、设备受限、操作不便等问题，手势交互以其直观、便捷、有趣味性等特点成为了一种重要的交互方式。如今MEMS传感器已成为智能手机的标准配置，而智能手机的高普及率和手机软、硬件配置的升级换代使得基于手机MEMS平台的手势识别技术的实现成为可能，这一课题逐渐成为了人机交互领域的研究重点。　　本文主要从以下三点展开研究:　　1.原始数据的采集和预处理。本文使用三星Android系统下的智能手机作为原始运动手势数据的采集设备，通过对手机中不同传感器的特性分析，实现了一套高效的数据采集系统，提出了一种基于波形趋势的随机噪声处理方案，并结合HHT技术提出了一套完整的数据预处理方案。　　2.运动手势的定义和特征分析。本文定义了7类13种手势作为待识别手势，并从运动学角度分析运动手势，通过对不同手势在不同传感器下的数据进行分析，以及对手机终端的计算能力的评估，提出了一套六维运动学手势动作分析模型。　　3.运动手势分类与识别。根据本文对待识别运动手势的特征分析，最终设计了二级手势分类识别系统，采用决策树分类器作为一级分类器将7类手势彼此分类出来，根据同类不同方向手势的特征区别进行二次分类确定方向。　　最后通过对不同人员采集得到的实验数据并进行试验证明了算法的有效性，较好的提高了实时运动手势的识别精度。