随着可穿戴设备的不断推广,越来越多的人开始使用如智能手表、智能手环等可穿戴设备,也越来越多的技术被应用在这种智能设备上。可穿戴设备具有许多的功能,如运动监测、睡眠监测、通知提醒、时间显示、身份认证、支付以及手势识别等。手势识别是人机交互中的一种重要的交互手段,通过手势识别可以代替原始的用户界面以及图形用户界面执行更快更便捷的操作。目前手势识别的数据收集形式主要用两种,一种是基于图像视频数据,另一种则基于惯性传感器的数据,而可穿戴设备自然是利用设备上的惯性传感器的数据,基于惯性传感器的三轴加速度数据进行了手势识别的相关研究。手势识别的整个流程大致分为原始数据的采集,对原始数据的预处理,以及最后手势的识别。其中在预处理的过程中有很多细节可能会对最终的识别效果有举足轻重的影响,所以通过降噪处理、有效数据的截取等细节的比较,进而分析如何使处理后的识别率更高。对其中的动态时间规整(DTW)进行一定的改善,通过与K最紧邻分类算法的结合可实现准确率更高的识别方法,并且通过设置最优K值使识别准确率达到更高,还对筛选后的标准模板库验证其普适性。