近些年来,VR(虚拟现实)设备越来越受到人们的喜爱,全球前列技术公司也纷纷布局VR市场。其中数据手套作为众多智能穿戴设备之一,成为国内外研究热点。但当前的数据手套都存在精度不高,实时性不强、训练时间长的缺点。本文的重点内容是设计无线数据手套手势识别算法。手部识别技术以RBF神经网络为基础,结合LM(列文伯格)算法和GA(遗传)算法,首先通过LM(列文伯格)算法改进传统的神经网络,并辅以微分求导来实现,使收敛速度更快,可以提高数据手套的实时性和减少训练时间。依据GA(遗传)算法全局特性来实现神经网络的权值优化,也就是通过赌轮方式替代传统意义上的“优胜劣汰”的进化原则,依据相应的生物原理完成个体数据的筛选工作,如遗传、交叉、变异等,具体步骤是在得出新的个体后,和别的个体加以对比,以相似度比较结果为依据,剔除掉适应度低的个体,将适应度处于优良状态的个体保留下来,通过不断的群体重组、筛选,输出最优解并作为新的神经网络权值,直到求出和设定要求一致的精度。由此设计了一个全新的GL-RBF神经网络算法,具有精度高、实时性强和训练时间短的特点。本文采用Opengl实现三维建模,又借助于基本图元完成动画的绘制。依据Opengl光照原理,绘制一个三维球体,光照作用非常有利于现实场景的模拟,能够将人手关节清楚的仿真出来。本文最后对设计的数据手套进行了试验和测试,试验过程中为了提高系统稳定性,在传感器数据飘零、滤波、磁偏角的修正上,做了改进和优化,在上位机和下位机之间的通讯过程中,做了精准的联调测验和电平反馈,以检验整个系统的工作情况。文中的GL-RBF神经网络算法合理、有效,作用明显,能够将手势识别中数据处理的复杂系数降到一定限度。在精度、实时性和训练时长等方面都有了很大的提高,在3D画面的显示中也没有出现失真的姿态。本文的研究工作取得了很好的成果,设计完成了一款较以往精度更高、实时性强且易于训练的数据手套,该数据手套在性能上比之前的产品有较大提升。