基于微惯性姿态测量的人体姿态跟踪是一种可穿戴的动态跟踪技术。它相对于传统的运动捕捉技术具有实时性高、不受使用场地限制、安装简单等优点,成为了近年来国内外研究的热点之一。微惯性传感器体积小,成本低,但其精确度和抗干扰能力也因此受到制约。多传感器数据融合理论和方法的发展和进步,也为基于惯性传感的人体姿态跟踪系统研究奠定了基础。本文采用MEMS加速度计、MEMS陀螺仪和磁力计组成的姿态测量单元,实现对人体姿态的姿态跟踪测量。主要内容包含两部分:MEMS传感器误差分析与修正和人体姿态跟踪算法的改进与结果演示。首先介绍了微惯性传感器和微惯性姿态跟踪系统的研究现状,并对惯性姿态表示方法做了分析与对比。由于四元数不存在奇异点问题,着重对四元数的姿态更新算法进行了阐述和分析。本文分析了加速度计和磁力计的误差来源,根据各自误差来源的特点建立了椭球约束的静态误差模型,并采用蚁群优化算法求解了其误差模型参数,并完成了误差标定实验。通过与最小二乘法修正结果比较,蚁群算法能更好的修正传感器误差模型。基于惯性传感系统理论,提出了人体姿态的参考坐标及载体坐标,对加速度计、磁力计与陀螺仪在姿态跟踪与更新过程中的特性进行了分析,采用互补滤波算法和卡尔曼滤波算法对姿态数据进行融合处理,得到最优姿态估计。基于人体骨骼模型以人体手臂为研究对象,分析了人体手臂在运动过程中的几何约束,通过引入约束来减小肌肉变形产生的误差。通过图形展示界面实时演示手臂的姿态跟踪结果,并对姿态数据做量化分析,实验结果表明,设计的姿态解算算法和人体约束模型均有较高的精度。