轨迹测量是利用传感器技术将人体行走数字化的一种技术。近年来随着VR游戏、科幻电影等产业的兴起，对捕捉轨迹的平滑度提出了更高的要求，而MEMS惯性传感器的轨迹测量方案因其体积小、穿戴方便、不受环境限制等优点具有很好的应用前景。其实现一般是利用SINS算法结合基于卡尔曼滤波的零速修正实现的，虽在一定程度上能抑制导航误差累积，但也存在一些问题。步态检测不准确导致轨迹畸变，同时零速修正只在脚部零速时刻进行，导致脚部由摆动过渡到静止状态时导航信息出现突变，进而引发轨迹的“锯齿”现象，卡尔曼滤波器对姿态误差的修正不足也会加深这种现象，本文针对“锯齿”探讨轨迹的平滑算法对解决制约惯性方案的轨迹测量技术在高平滑度领域实现应用的问题具有重要意义。　　本文首先结合试验数据对步态检测不准确的原因进行了分析，得出检测不准确的原因为检测统计量的局部波动和单一固定幅度阈值判断共同作用的结果，具体来说为零速区间的漏检测和误检测，同时分析指出了在幅度阈值判断基础上引入时间阈值判断法存在的不足，进一步在研究了不同步频下摆动区间长度统计规律的基础上，提出了基于拉依达准则的双阂值步态检测算法，最终实现了零速的精确检测。　　其次，轨迹中“锯齿”的形成与姿态解算的精确度关系密切，因此本文针对卡尔曼滤波过程中对姿态误差修正不足的情况，构建了姿态修正模块，可以更好地抑制姿态误差发散，在一定程度上可以改善轨迹的平滑度。同时针对导航信息突变，提出在卡尔曼滤波的基础上加入后向的固定区间平滑滤波算法，结合针对性的固定区间分配法，可实现利用摆动区两侧的观测量对足部摆动过程的导航误差进行估计，进而实现脚部在零速与非零速时刻轨迹的平滑过渡。　　最后结合实际行走数据设计了几组轨迹对比试验分别验证了改进的步态算法、姿态修正模块、后向平滑滤波算法对轨迹“锯齿”的抑制效果，试验表明，本文提出的相应算法能对轨迹的“锯齿”进行有效抑制，最终得到理想平滑度的轨迹。