人体运动传感器，是运动捕捉的最关键设备之一，近年来得到了很多专家和研究学者的高度关注。就目前来看，人体运动传感器从工作原理上主要分为五种：机械电动式、电磁式、声学式、光学式和惯性式，它们在数据捕捉精度、可捕捉运动对象的数目、实时性、捕捉环境场地、使用方便程度和制造成本上均存在各自的优劣。而随着MEMS（微机电系统）技术的发展，由MEMS器件组成的惯性式人体运动传感器的优点更加凸显。因此，本文对人体运动捕捉中的惯性式人体运动传感器的关键技术进行了研究。首先，针对目前主流的惯性式人体运动捕捉系统，研究了其结构组成，对运动捕捉系统的终端节点、路由节点、主机节点及基于Zigbee协议栈的WBAN（无线躯域网）进行了详细分析，并搭建了一套用于运动捕捉的惯性式人体运动传感器硬件平台。该平台采用MEMS三轴加速度计、三轴陀螺仪和三轴磁力计所组成的惯性测量单元来测量传感器的运动参数，并通过WBAN进行数据传输，这是本文研究工作的基础。然后，为了得到准确的惯性器件原始输出信号，介绍了MEMS加速度计、陀螺仪、磁力计的工作原理，并针对加速度计原始数据中含脉冲噪声干扰的特点，对其原始数据进行了中值滤波处理，针对陀螺仪原始数据中含高频噪声的特点，对其原始数据进行了均值滤波处理，针对磁力计原始数据中含随机噪声比较多的问题，对其原始数据进行了Butterworth滤波处理。实验表明，对传感器数据进行预处理达到了预想的去噪效果，为后续进一步处理打好了基础。第三，为了提高MEMS传感器数据精度和可靠程度，需要对传感器误差进行标定和校准。设计了MEMS加速度计、陀螺仪和磁力计的误差模型，并针对加速度计的静态输出特性，采用静态六位置法对其进行了标定，确定其误差模型系数后又对加速度计进行了校准。针对陀螺仪的动态输出特性，采用动态多速率的方法对陀螺仪各敏感轴进行一一标定，确定其误差模型参数后又对陀螺仪进行了校准。针对磁力计的数据输出特点，采用任意转动法对磁力计进行标定，确定其误差模型参数后又对其进行了校准。实验表明，标定和校准过程提高了各惯性器件的输出精度。第四，为了采集人体在三维空间中的运动轨迹，需要对获得的传感器数据进行解算，以得到其姿态角数据。姿态解算常用的滤波器有互补滤波器和卡尔曼滤波器，常用的解算方式有欧拉角法和四元数法，因此设计了四种姿态解算方法：基于互补滤波器的欧拉角姿态解算算法，基于互补滤波器的四元数姿态解算算法，基于卡尔曼滤波器的欧拉角姿态解算算法和基于卡尔曼滤波器的四元数姿态解算算法。实验表明，基于卡尔曼滤波器的四元数姿态解算算法性能最好。最后，为了验证姿态解算算法的精度，采用全站仪、姿态参考平台和地质罗盘仪搭建了一套姿态角度验证系统。根据该系统，对惯性式人体运动传感器任意转动情况、奇异点位置情况和磁场突变情况下的传感器姿态解算结果进行了对比输出，验证了姿态解算算法的输出精度。实验结果表明，基于卡尔曼滤波的四元数姿态解算算法性能最好。此外，本文使用基于OpenGL的姿态测试系统对传感器输出数据进行了可视化处理，将实验人员的手臂动作实时还原到电脑屏幕上，得到了很好的人机交互效果，再次验证了系统的可行性。