近年来,随着大众对体育运动的关注逐渐增加,对健康生活意识不断增强,智能运动设备迎来了最好的发展机会,同时借助MEMS传感器技术的发展,基于MEMS的人体运动信息采集系统具有很重要的应用价值。该系统可以实现对人体运动状态及身体信息等的实时监测,对于可能发生的运动损伤等问题及时预警,将该系统应用在竞技运动项目中,能够详细记录运动员的训练数据,辅助运动员制定合理的训练计划,提升运动员比赛成绩。因此,基于MEMS的人体运动信息采集系统及其进一步应用具有重要意义。本论文首先根据基于MEMS的人体运动信息采集系统的主要应用,对该系统所需的MEMS传感器进行建模分析,为确保其测量精度,给出标定方法,并针对MEMS传感器测量精度易受温度影响的特点,对其进行温度补偿。进一步给出一种多传感器同步测试方法,提高MEMS传感器的标定、温度补偿及测试效率。然后,本论文针对基于MEMS的人体运动信息采集系统在实际应用中的需求,根据三种MEMS传感器的特性设计姿态估计算法,实现由传感器测量数据到姿态数据的转换,并对算法的性能进行分析及改进,进一步实现全角度姿态估计算法。对比了四种UWB定位算法,从中选择TDOA算法,并对其进行详细分析以及仿真验证,确保UWB定位算法的定位精度。接下来,本论文完成了整个基于MEMS的人体运动信息采集系统的硬件设计,先给出了该系统的整体设计方案,并在此基础上对该系统采用模块化设计,分别设计了姿态测量单元、UWB定位单元以及数据存储及通信单元,其中姿态测量单元由根据实际使用中的不同需求,设计了微小型姿态测量单元和多功能姿态测量单元,而数据存储及通信单元为了保证数据存储及传输的可靠性,分别设计了数据离线存储单元及蓝牙远程通信单元。该系统采用模块化设计,使得该系统具有更为方便的扩展与升级能力,具有较好的适用性及可靠性。最后,本论文对基于MEMS的人体运动信息采集系统的性能进行了测试,主要完成了对其姿态测量单元静态及动态姿态估计精度、UWB定位精度的测试,然后利用该系统对常见的头部运动进行采集验证其信息采集能力,并在以羽毛球为背景的应用环境中对该系统的整体性能进行测试,验证其具备运动信息采集能力,可以与神经网络等智能算法相配合,完成更为具体的人体运动信息分析功能。