近些年来,随着微机电系统技术和可穿戴技术的迅速发展,越来越多用于检测物体运动的智能化可穿戴产品不断进入人们的生活。在可穿戴设备上采集和记录物体运动的相关数据,如线性加速度、旋转角速度等,已经变得切实可行。然而,在连续长时间范围内的运动信息数据量过大,而且也无法形象的描述运动的细节,不利于用户分析、观察和提取有价值的信息。因此,本文研究的目的就是找到一种能够有效的检测物体运动轨迹并且识别其具体类别的方法。该方法不仅可以提取物体的运动姿态与运动轨迹,而且还能够实现对不同运动方式的识别。利用此技术结合具体的运动项目可以衍生出多种不同的应用,本文通过引入羽毛球这一运动类别来完成其具体的应用布局。在面向羽毛球的运动领域内,通过多传感器采集羽毛球拍的加速度、角速度等运动数据,可以实现对球拍的姿态解算和轨迹提取,从而可以基于采集的数据还原整个挥拍击球的过程,并且能够识别该次击球轨迹属于何种击球方式。首先对采集的加速度、陀螺仪、地磁数据进行姿态解算,在传统的基于卡尔曼滤波器的四元数解算方法上增加系统的状态变量,通过引入陀螺仪误差来提高该方法的解算效果。通过实验对比可知,基于多状态量的姿态解算方法比传统的姿态解算有更稳定的姿态角输出。轨迹的提取建立在姿态解算的基础上,对提纯的加速度信号进行数值积分,通过拟合多项式来消除积分过程中产生的累积误差,使得提取的运动轨迹更为准确。其次根据每组运动数据的姿态解算与轨迹提取结果,来提取姿态角变化幅值与最大速度作为支持向量机的特征向量,通过构建多分类模型来实现对运动轨迹识别。本文对羽毛球挥拍轨迹进行统计与分析,在构建多分类器模型的过程中选取适当的系统参数,能够准确的识别八种不同的击球动作,通过实验验证了该方法具有良好的识别效果。最后,通过利用可视化软件将羽毛球的挥拍轨迹与姿态以3D动画的形式呈现给用户,同时能够准确的识别挥拍轨迹的击球方式。此外相关的击球技术参数也一并反馈,用户可以根据反馈结果来进行针对性的训练以提高该项运动的技术水平。