技術(shù)特征：

1.一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述空中手寫字符識別方法包括:

S1、數(shù)據(jù)預(yù)處理步驟，對采集的原始信號進行滑動平均濾波，以及對每一維數(shù)據(jù)分別Z-score標(biāo)準(zhǔn)化；

S2、模型參數(shù)初始化步驟，需要預(yù)先確定的模型參數(shù)包括隱藏狀態(tài)數(shù)N、各隱藏狀態(tài)對應(yīng)的高斯概率分布個數(shù)M、連續(xù)隱馬爾科夫模型的模型參數(shù)λ＝[π,A,B,μ,Σ,C]，其中π為初始狀態(tài)概率分布、A為狀態(tài)轉(zhuǎn)移概率分布、B為觀察值概率分布、μ是高斯概率分布均值、Σ是高斯概率分布協(xié)方差、C是高斯概率分布權(quán)重，其中，模型參數(shù)初始化策略包括基于樣本平均長度的CHMM隱藏狀態(tài)數(shù)選取方法和基于K-均值聚類的連續(xù)隱馬爾科夫模型-高斯混合模型參數(shù)初始化策略；

S3、CHMM模型訓(xùn)練步驟，使用前向-后向算法和Baum-Welch算法，對于特定的空中手寫字符，給定訓(xùn)練數(shù)據(jù)，以及已初始化的模型參數(shù)N、M與π、A、C、μ和Σ，迭代訓(xùn)練使得模型生成訓(xùn)練樣本的概率不斷增大直至收斂；

S4、空中手寫字符識別步驟，給定已訓(xùn)練的所有空中手寫字符CHMM模型，以及測試數(shù)據(jù)，用維特比算法計算每個測試樣本屬于每一類字符的概率，最后通過快速排序獲得可能性最大的類別，完成識別。

2.根據(jù)權(quán)利要求1所述的一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述S2、模型參數(shù)初始化步驟具體如下：

S21、從預(yù)處理后的數(shù)據(jù)中隨機選取部分作為訓(xùn)練樣本，按字符類別分類，計算每類別的樣本的平均長度，設(shè)置模型的隱藏狀態(tài)數(shù)N；

S22、用K-均值算法初始化模型參數(shù)，將當(dāng)前類別每一個樣本在時間上均分為N段，各段序列的所有6維特征向量分別歸于N個集合Set_i，接著分別對每個Set_i,i＝1,2,...,N用K-均值聚類聚成M簇g_im,m＝1,2,...,M，以表示屬于各狀態(tài)的M個高斯概率分布；最后對總共M×N個簇計算統(tǒng)計信息，初始化模型參數(shù)。

3.根據(jù)權(quán)利要求2所述的一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述步驟S22具體如下：

S221、初始狀態(tài)概率π_i等于Set_i集合大小與字符訓(xùn)練樣本向量總數(shù)之比；

S222、初始狀態(tài)轉(zhuǎn)移概率矩陣A按照從左到右型隱馬爾科夫模型的結(jié)構(gòu)初始化：任意一個隱藏狀態(tài)只能向下一個狀態(tài)轉(zhuǎn)化或保持不變，最后的狀態(tài)不能向其他狀態(tài)轉(zhuǎn)化；

S223、初始高斯混合模型權(quán)值C_jm等于簇g_jm的大小與集合Set_j大小之比；

S224、初始高斯元均值向量μ_jm等于簇g_jm的均值；

S225、初始高斯混合元協(xié)方差向量U_jm即計算簇g_jm的協(xié)方差。

4.根據(jù)權(quán)利要求2所述的一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述S3、CHMM模型訓(xùn)練步驟中的前向-后向算法采用逐時刻歸一化前向變量與后向變量的方法對前向變量α與后向變量β進行逐時刻歸一化，具體如下：

在計算完某時刻t的前向變量α之后，先進行歸一化：即該時刻各狀態(tài)的前向變量α分別除以該時刻各狀態(tài)的前向變量α的和，再進行時刻t+1的計算，后向變量β先計算時刻t+1的值，后計算前一時刻t的值，逐時刻歸一化公式如下：

$\stackrel{\‾}{{\mathrm{\α}}_i\left(t\right)}=\frac{{\mathrm{\α}}_i\left(t\right)}{{\mathrm{\Σ}}_{j=1}^N{\mathrm{\α}}_j\left(t\right)}$

$\stackrel{\‾}{{\mathrm{\β}}_i\left(t\right)}=\frac{{\mathrm{\β}}_i\left(t\right)}{{\mathrm{\Σ}}_{j=1}^N{\mathrm{\β}}_j\left(t\right)}.$

5.根據(jù)權(quán)利要求1所述的一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述采集的原始信號包括三維加速度信號和三維角速度信號。

6.根據(jù)權(quán)利要求5所述的一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述S1、數(shù)據(jù)預(yù)處理步驟具體為：

對于采集到的三維加速度信號和三維角速度信號，首先對各維數(shù)據(jù)用滑動平均濾波器去噪，然后進行Z-score標(biāo)準(zhǔn)化處理，使每一維數(shù)據(jù)均值為0、標(biāo)準(zhǔn)差為1。

7.根據(jù)權(quán)利要求1所述的一種基于加速度計和陀螺儀的空中手寫字符識別方法，其特征在于，所述S3、CHMM模型訓(xùn)練步驟中，若迭代訓(xùn)練中兩次迭代所得的參數(shù)的差異小于預(yù)定的閾值，則認定訓(xùn)練樣本收斂。