人体运动过程中,位置信息的追踪可以帮助我们在军事、生产、商业、交通、游戏、电影、运动、医学等领域获得人体健康、环境变化等信息,帮助我们更好地制定计划,并给出建议和判断,应用前景广泛。科技发展,人类在室内的活动时间增长,由于建筑的遮挡等因素,室外定位系统无法发挥作用,因此,对于室内定位技术的研究正在逐渐成为主流热点。惯性传感器（Inertial Measurement Unit,简称IMU）的性能随着微机电系统（Micro-Electro-Mechanical System,简称MEMS）的兴起和发展得到大幅提升,体积与价格也在大幅减小,同时,无线通讯和数据传输技术都为可穿戴式多传感器融合动作捕捉系统的诞生和发展提供了夯实的基础。本文首先对人体进行建模,构建了层次关节链骨骼模型,随后,分析了人体运动过程中的步态周期,将步态周期划分为支撑状态和摆动状态,利用支撑状态的传感器输出特性,采用惯性传感器对人体运动过程中的加速度、角速度、姿态等信息进行测量、计算从而追踪人体位置信息。此方法正逐步成为研究人体定位的主流方法之一。由于微机电系统惯性传感器在运行过程中存在着噪声大、精度低的问题,仅使用惯性传感器采集人体运动信息并进行积分,会导致随着时间的累积,计算结果误差逐步增大,失去可靠性。因此,在计算过程中,提出了零速度更新使用（Zero Velocity Potential Update,简称ZUPT）的理论依据,对零速度更新约束条件使用过程中的阈值选取进行研究,对比单阈值检测法和双阈值检测法的优劣性,提出了自适应阈值检测法,使用聚类方法对实验数据进行分类,获取零速度更新所需阈值;针对人体运动过程中惯性传感器采集到的数据,分别使用直接扩展卡尔曼滤波法和间接扩展卡尔曼滤波法,并使用零速度更新作为约束,对计算结果进行修正,计算人体运动位置信息,复现踪迹,确保对人体位置信息复现的可靠性。实验证明,使用自适应阈值检测法的间接扩展卡尔曼滤波法对于人体运动过程中的位置进行追踪,能取得较好的复现效果。