随着微机电系统(Micro-Electro-Mechanical Systems,MEMS)技术快速发展,基于MEMS传感器的人体动作捕获系统以小尺寸、高精度、低成本等优点,使其广泛应用于动画电影制作、虚拟现实以及模拟训练等新兴领域。基于MEMS传感器的人体动作捕获系统因涉及诸多领域技术和广阔的市场前景,成为科研机构和企业研究热点。因此,对基于MEMS传感器的人体动作捕获系统进行研究具有重要的理论意义和应用价值。首先,本文以惯性器件与惯性导航技术为基础,在分析人体动作捕获的需求上,设计了基于MEMS传感器的人体动作捕获系统的硬件平台。该系统包含九轴传感器节点(三轴陀螺仪、三轴加速度计以及三轴磁力计)和数据控制节点。采用CAN(Controller Area Network,CAN)方案来实现该系统多传感器节点与数据控制节点的通讯;利用XBee-WIFI无线通讯技术解决了数据控制节点与电脑端近距离数据稳定传输问题。然后,研究MEMS传感器误差特征并分析常用传感器姿态融合算法。对陀螺仪的零偏、刻度因子以及脉冲噪声等误差进行误差补偿,实验结果表明陀螺仪的测量误差由0.522°/s降低至0.048°/s,提高了MEMS陀螺仪鲁棒性;针对MEMS加速度计六位置校准法未考虑加速度计的非线性误差以及非正交引起的串扰效应等问题,提出一种新颖的九位置校准算法,实验结果表明加速度计的测量误差由0.0548g减少到0.0081g,改善了加速度计性能;针对磁力计在软磁环境下的非线性误差,提出基于BP神经网络的软磁标定及磁力计误差补偿算法,实验结果表明磁航向角的误差范围由±3°减少±1.5°以内,提高了磁力计抗磁干扰能力;此外,分析常用姿态融合算法,选择合适的姿态融合算法。最后,在研究传感器节点位置部署的基础上,标定了人体运动姿态,在以Visual Studio构建的软件平台和MATLAB上,对单节点、双节点肘关节角以及上身多节点运动进行测试实验。实验结果表明单节点和多节点的运动效果与实验动作一致,并且肘关节角的均方误差在0.534°,验证本文所设计的动作捕获方案的可行性与有效性,实现了人体上身动作捕获的功能。