手势识别是人机交互及模式识别领域的一项重要研究内容，而手语识别隶属于手势识别。手语识别的研究方式可分为基于视觉和基于非视觉的穿戴式设备两种。本文在对手语要素分析的情况下，针对传统的基于穿戴式设备的手语识别作出改进，提出了手语骨骼模型，旨在提高手语识别的稳定性及准确率，为手语实时翻译的实用性做出贡献。　　本文的主要研究内容包括以下几个方面:　　(1)查阅了手语以及基于穿戴式设备进行手语识别的相关文献，分析了文献中的提及的识别算法，总结了手语特点以及手语识别的难题，这将包括原始数据的获取及处理，手语模型的确定，识别算法的选择，并整理出研究思路与实验方案。　　(2)为得到手部的运动姿态，本文使用IMU传感器获得手部运动的原始数据，利用改进的互补滤波算法进行数据融合得到欧拉角。利用公式将欧拉角转换为方便计算的四元数。　　(3)对手语要素进行分析，手语的完成需要手部与上身肢体的配合。对此提出手语骨骼模型，利用机器人正向运动学知识对提出的模型进行验证。　　(4)使用Slerp插值法使训练数据信号的维度相同，提出了具体的解决方法。　　(5)通过稀疏表示和字典学习对50个手语手势信号进行训练与学习，有较高的识别率。　　本文的创新之处体现在两个方面，一是对IMU原始数据融合算法提出了改进，二是提出基于机器人正向运动学的手语骨骼模型。