计算机信息输入常用的输入方法是在某一个固定的平面上进行书写。通过采集在平面内书写的数据信息,之后再将数据传送到其他设备进行处理,这样的输入方式属于二维空间信息传输。本文的目的是研究信息在三维空间的输入。利用MEMS惯性传感器在三维空间中书写数字和字符,再现书写轨迹。本文设计了一种基于MEMS加速度传感器的运动轨迹检测系统。该系统的优点是体积小、成本低,符合目前国内外笔迹轨迹检测系统的发展趋势。该系统包括数据采集与处理模块和上位机数字轨迹识别模块两部分,数据采集和处理模块由Arduino101和IMU组成,上位机数字轨迹识别和实现由MATLAB完成。数据采集与处理模块主要负责传感器数据的采集、滤波、姿态拟合、姿态矫正、四元数坐标转换、积分捕捉轨迹及数据积分补偿等工作,最后将捕捉到的载体轨迹数据通过串口发送到上位机。上位机系统主要负责将串口接收到的轨迹转化为图片并进行神经网络训练,将图片进行灰度处理、二值化处理、图像缩小后送神经网络分类识别算法进行识别。系统选择使用九轴传感器--MPU9250来检测传感器在空中运动时所产生的加速度信息和角速度信息,其原理为加速度数据积分为速度,速度积分为位移。在空间内手写时会发生方向的变化,此时通过欧拉角计算出四元数,四元数可以将载体坐标系下的三轴加速度转换为地理坐标系下的三轴加速度,再进行坐标转换将加速度数据固定到同一坐标系中,这些位移点连接便得到空中手写的轨迹信息。在测量过程中,因为受到误差的影响而导致运动轨迹显示错误的问题,设计并实现了Kalman滤波器来降低随机误差。采用开源手写数字数据集中的部分数据作为训练集,以自制手写数据作为测试集训练并验证了神经网络识别的准确性。实验结果表明,采用惯性轨迹捕捉加神经网络识别的方法能有效识别手势,对手写数字的150个样本进行识别,识别准确率达到了100%。对惯性轨迹捕捉数字,轨迹识别准确率为60%,达到了预期效果。