人体动作的快速自动识别方法和理论在医疗监护、行为辅助、家用机器人等许多领域具有重要的理论和实际意义。与基于机器视觉的动作识别相比,基于传感器的动作识别具有速度快,容易与控制系统连接等特点,因此在行为辅助和监护等应用中更具优势。同时随着微机电MEMS传感技术的快速发展,这方面的研究也越来越受到重视。本文主要研究内容如下:首先是实验平台的搭建。选择基于SoftDevice协议栈实现超低功耗蓝牙BLE 4.0的SOC芯片nRF51822为主控制芯片,结合业界首款内嵌两个独立可编程状态机的MEMS三轴数字加速度传感器LIS3DSH,搭建了动作识别的下位机硬件系统平台,并在nRF51822的开发环境下,实现传感器数据采集、蓝牙通信、状态机编程等软件设计。实验平台的上位机分别采用PC机和智能手机(Android 4.0以上)实现了和下位机的蓝牙通信。文中对下位机硬件系统主要性能进行了测试,包括蓝牙模块发射功率、功耗和通信数据的稳定性等。其次,在上述基础上,采集了八种翻身动作和走路的加速度信号,通过研究相关的数据处理和特征提取方法,提取了加速度阈值和时间阈值等特征,用于构建识别特定动作的状态机模型。最后,将理论和仿真研究的结果用于LIS3DSH内嵌状态机的编程,通过实验对动作识别效果进行测试分析和总结。本文实验表明,基于MEMS传感器LIS3DSH内嵌独立状态机的人体动作识别具有速度快、实时性好的优点,而识别的准确性主要取决于针对具体动作的状态机模型构造。