随着微机电惯性传感器(Micro-Elect romechanical System，简称MEMS传感器)的发展，基于微机电惯性微型传感器的动作捕捉系统由于具有穿戴方便，轻便易携，对场地要求少等优点，逐渐成为动作捕捉领域研究的下一个热点。而基于MEMS惯性微传感器的动作捕捉系统的精度直接取决于MEMS传感器的输出数据精度。受限于MEMS惯性传感器的制造原理和工艺流程，MEMS微传感器总是会存在一定的误差和干扰。领域内对微传感器的研究仅仅局限在分析和预先补偿其误差，而将其他不可预先补偿的随机误差一律视为白噪声。这种方法的缺点在于对于误差的预补偿算法需要昂贵的多轴转台且操作步骤麻烦，对传感器的剩余误差假设又过于简单，忽略了随机误差的很多细节特性，导致估值效果不理想。　　针对上述问题，本文根据MEMS微传感器的误差特性，将误差分为静态误差和动态误差。针对静态误差，本文在已有的数学模型基础上提出一种基于矩阵分解的静态误差校准补偿算法:该算法克服了传统校准补偿算法的局限性，具有不需要昂贵的辅助仪器，实现步骤简单等优点;针对动态误差，本文在导航遥感领域的研究基础之上提出一种基于小波分解的模型参数估计算法，该算法和艾伦方差等传统参数估计方法相比，可以在大的时间尺度上测定模型参数而不损失其估计精度，并且在其他时间尺度上保持相同的估计精度。最后介绍了4种具有不同MEMS微型传感器数量的应用系统:1）单传感器角度估计系统、2)具有4个传感器的脑卒中患者康复系统、3）具有7个传感器的下肢步态分析系统、4）具有16个传感器的实时动作捕捉系统。通过介绍这四类已经在商业上或医学上实际使用的系统，验证了基于统计方法的微型传感器的测量模型和校准方法的意义和重要性。