空中手写作为一种新颖的人机交互技术,相较于传统的平面手写输入,能给予用户更自由的书写空间。随着MEMS技术的发展,越来越多的空间手写设备采用具有体积小、成本低等优点的MEMS加速度传感器作为输入环节。而在使用MEMS加速度传感器进行空中手写的过程中,各种误差及噪声干扰会随着时间积累,对最后结果造成不利影响。因此针对加速度传感器的积累误差消除技术显得尤为重要。本文分析了现有的积累误差消除技术,对其两点不足之处作了改进,提出了一种基于SVM的积累误差消除技术。针对阈值比较方法适应性较差的问题,用SVM分类器代替阈值比较方法进行运动与静止状态识别。针对现有技术中只对速度作修正而导致重建轨迹效果不佳的问题,提出了先修正加速度再修正速度的方法。然后本文在这两点基础上,进行了空间连续多字符输入的研究。将运动与静止状态的识别扩展为有效手写、提落笔与静止三种状态的识别,用提落笔状态作为多个连续输入字符之间的分隔标志。同时改进了加速度与速度的修正方法,使之能用于多段笔划的轨迹重建。最后本文通过实验证明了基于SVM的积累误差消除技术和空间连续多字符输入的有效性。首先进行了手绘图形的实验,验证了本文提出的加速度与速度修正方法能取得更好的轨迹重建效果。然后在与MAD方法的对比实验中,证明了不论是单字符输入还是连续多字符输入,基于SVM分类器的状态识别方法不仅保证了轨迹重建效果,而且具有较强的适应性。而提落笔状态的引入成功实现了连续输入字符之间的轨迹分离。