手写笔作为一种新型的人机输入方式,相比传统的鼠标、键盘、触摸屏输入方式,更加符合人们的使用习惯,同时使人机输入更加自由化。本文研究基于惯性传感器的手写数字识别,通过对获取用户手写数字过程中的惯导信号进行分析处理,从而识别当前所写的数字。目标是实现一种鲁棒的、低计算复杂度的手写数字识别方法,使其易于移植进低功耗和硬件成本的手写笔处理硬件中。通常基于惯导信号的手写数字识别有两种不同的思路,一种是基于源信号完整序列的数字识别;另一种是基于特征序列的数字识别。考虑到尽可能降低计算复杂度,本文提出了一种基于特征序列的手写数字的识别方法,其思想及贡献如下:(1)给出了一种基于惯导信号的桌面手写行为判别方法,利用手写过程中笔尖与接触面摩擦产生的高频振动作为指示,通过能量检测与过零检测法将手写时的信号区段提取出来。(2)给出了面向手写加速度信号的自适应多维峰谷特征的特征提取方法,显著降低识别对象的数据复杂度。(3)对于少量数字在上述特征量下的识别模糊问题,进一步提出两轴上惯导信号的峰谷相位差,作为二次识别的特征量,从而保证对这些数字识别的正确率。(4)对于加速度信号难以区分的数字0和6,提出基于端点姿态角特征量的识别方法,有效实现对数字0和6的二次识别。实验阶段,将本文方法和其他几种方法分别在识别精度上、时间复杂度上做了详细比较。得到的实验结果证明,本文提出的手写数字识别方法在识别精度上、时间复杂度上都优于其他的几种方法。