本文提出了一种在笔迹运动数据理解中识别笔划参数的新方法。 采用通过综合范例进行的两步分析来促进对所有笔划的从粗到精的参数识别。 一种是笔划数据提取，另一种是粗略到精细的笔划参数识别。使用此两步范式的新考虑是，采用了非负原始分解技术，以将重叠的笔划与测量数据分离。 与使用启发式笔划数据去耦技术的现有范例相比，此处提出的范例有助于缓解全局最优陷阱的局限性陷阱，因为全局优化中可以通过良好的初始化来共同识别笔划参数。两步之间的迭代，有助于提高计算效率。 据报道，实验结果验证了该方法的有效性。