可穿戴传感网络是目前信息科学和计算机领域研究的一个新的热点问题，它是将多个传感器节点放置在人体等目标载体不同位置从而实时监测、追踪载体信息的一种新型无线网络，本文研究的异质传感器数据融合算法以可穿戴传感网络为应用背景。　　异质传感器数据融合算法以计算载体姿态为核心，利用滤波算法降低噪声，提高计算的准确性。根据不同的应用环境，载体姿态可以选择欧拉角、四元数以及旋转矩阵等多种方法来表示，而且不同表示方法之间还可以互相转换。关于载体姿态的计算方法，分别针对加速度传感器、角速度传感器和磁力传感器进行研究，分析三种传感器在姿态计算方面的应用和方法。在滤波算法方面，研究了目前广泛应用的线性离散Kalman滤波算法和适用于非线性系统的扩展Kalman滤波算法以及无味Kalman滤波算法，同时进一步研究基于自适应滤波的数据融合算法，包括最小均方（LMS）算法和递推最小二乘（RLS）算法，并通过仿真实验分析对比各种算法的优劣。　　本文在LMS算法基础上，结合加速度传感器、磁力传感器和角速度传感器的姿态估计方法，提出了基于LMS的自适应互补数据融合算法。为了验证算法的有效性，合理设计实验方案，对不同算法进行了实验仿真，实验结果证明该算法较现有算法具有姿态估计准确性强、实时反馈性好、计算量小且占用存储空间小等诸多优点。