电磁追踪器具有不受视线的限制、体积小、精度和灵敏度高等优点,在临床医学、虚拟教学、虚拟手术等接触式三维测量领域具有广阔的发展前景。基于磁场的定位技术易受测量环境周围电子导磁物体的干扰,导致测量数据失真甚至完全被噪声淹没,针对此问题,本文给出了局部均值分解和人工鱼群优化的小波阈值化算法相结合的电磁干扰去噪方法。首先,本文阐述了FASTRAK电磁肢体定位的原理,在此基础上搭建了肢体定位实验平台;针对实际应用环境中的不同干扰源,对可能引起FASTRAK测量数据精确度降低的原因进行了分析。其次,本文给出了结合局部均值分解和人工鱼群优化的小波阈值化算法对测量信号进行噪声抑制。将采集的数据分解成为瞬时频率具有物理意义的PF分量,并对前n-1个PF分量进行人工鱼群优化的小波阈值化处理;针对传统人工鱼群寻优速度慢的问题,本文提出了一种动态改变人工鱼群算法感知范围和移动步长的方法,使得收敛速度提高了56%。最后,结合本文算法和实验平台,在实验室环境下进行了肢体定位实验。实验结果表明,利用本文所给出的结合局部均值分解和人工鱼群优化的小波阈值算法处理前后以及基于局部均值分解的传统小波阈值化处理的数据的均方根误差分别为0.0784mm、0.0475mm、0.0703mm,验证了本文算法对电磁噪声信号去噪比基于局部均值分解的传统小波阈值方法去噪效果更佳。为了对FASTRAK测量的6自由度数据进行整体评价,利用双接收器单发射器设计了电磁追踪差分装置进行试验,并给出了数学模型推导过程,实验结果表明,利用本文给出的结合局部均值分解和人工鱼群优化的小波阈值化处理前后传输矩阵的相似度分别为0.6413、0.8733,验证了本文给出的算法对噪声抑制具有更好的鲁棒性,为之后对电磁定位的整体精确度评价提供一种参考方案。