在人体运动捕捉过程中,惯性测量单元（IMU）的位置校准是惯性测量系统的重要组成部分。当应用在可穿戴系统中时,对于松散的安装在身体上的IMU,肌肉的运动或者衣服材质的不同,均会导致IMU产生位置偏移。本文将IMU的位置偏移误差分为固定误差和短时间内的漂移误差,并设计不同的校准算法对安装在腰部、大腿、小腿和脚上的IMU进行校准。对于IMU的固定偏移误差,本文分别使用基于雅克比矩阵的高斯牛顿（GN）算法、动态粒子群优化算法（DWPSO）和灰狼优化算法（GWO）来实现IMU的位置校准。此外,本文还建立了人体下肢坐标系来估计各个关节的角度,并采用四元数融合算法提高单个IMU姿态校准的精度。通过人体步态实验,对这三种算法的性能进行分析和评估,并与高精度IMU-Mocap参考设备进行比较。仿真结果表明,这三种算法都能有效的校准人体下肢IMU的位置。当关节自由度受到限制时,DWPSO和GWO的性能优于GN,当关节旋转充分,自由度不受限制时,三种算法的性能接近。结果表明,在实际应用中,基于人体下肢关节约束的动态校准算法能够有效的减小IMU位置偏移误差。对于短时间内的漂移误差,本文先将人体步态进行周期划分,在每个划分出来的周期内进行校准,并引入小波-ARMA模型对运动序列进行预测,将预测出的序列和实际的测量序列结合建立误差模型,再使用高斯牛顿对误差进行优化。实验结果表明,小波-ARMA模型比单一的ARMA模型预测性能更好,且校准后的序列和预测序列相关程度较高,实现了IMU的位置校准。