针对康复医疗、训练领域中,对灵活便携性、可靠高效性的需求,需要实现传感器数量趋于少量化和训练动作的有效识别。从目前大多数研究现状来看,基于惯性传感器的动作识别技术通常采用多个节点进行动作捕获,对动作识别的研究主要集中于数据离线处理、使用复杂算法训练获取高识别率,对于实时性强和低硬件性能的动作识别研究还比较少。因此,本文设计提出基于惯性传感器的单点感测方案,以实现低成本、便携使用和强实时性。本文主要工作集中如下:（1）收集调研国内外动作捕获技术及识别方案,对比不同方案优缺点,搭建基于惯性传感器的人体动作采集模组,对系统结构框架、实现流程、传感器原理及选型、上位机软件和传输协议进行阐述分析。（2）针对人体晃动等因素干扰,研究减噪抗干扰的预处理方法,采用多项式野点检测法剔除野点、巴特沃斯滤波器平滑去噪、数据归一化及缩放法减小特征差异化、滑动时间窗规整数据长度,并研究特征提取算法。（3）开展传感器感测位置选取、特征选取与组合策略分析的研究,构建BP神经网络对动作进行训练识别,最后选取腰髋部和大腿部获取信号。（4）设计实验与验证分析,定性分析原始数据、验证特征提取策略、对比不同长度时间窗参数、比较特征值组合的性能,横向对比验证不同分类识别算法的性能。应用相同的研究方案于不同部位,通过对比不同部位的实验结果和模型识别性能,确立最佳佩戴部位腰髋部和嵌入算法BP神经网络。开展对训练动作的识别,通过训练的BP神经网络对5种动作进行识别,采用混合动作实验对其进行实际验证,取得平均识别率达98.8%。结果表明,该模型具有可靠的区分度与识别性能。将算法移植嵌入实物模组中,实际实验中,取得98%平均识别率,确保算法模型具备实时动态性能,可应用于实际训练工程中,具有良好应用价值。