基于惯性和磁的微型姿态传感器可以为游戏、虚拟现实、交互学习、卡通及电影特效提供重要的三维姿态信息。尤其是最近几年，随着微机电系统(micro-electro-mechanicalsystems，MEMS)技术的长足进步，基于MEMS技术的微型传感器人体运动捕捉技术，因其泛在性(ubiquitous)和低成本(low cost)两大优势，发展迅速。　　论文以动态贝叶斯网络为基本理论框架，针对微型传感器三维姿态估计，提出了一个能够消除日常环境磁干扰的微型传感器姿态估计方法，并设计和实现了具有实用价值的人体运动捕捉设备。　　论文的主要工作和成果如下:　　提出一种磁补偿自适应姿态估计方法，可以有效地去除微型传感器姿态估计中的漂移和日常环境中铁磁材料等对姿态估计中参考地磁场的干扰，从而更加精确地估计传感器的姿态。该方法设计了一个自适应的互补卡尔曼滤波器模型，将四元数角度误差和三维环境磁干扰向量联合作为系统状态向量，补偿磁干扰分量对标准静态地磁场观测产生的随机性干扰;依据磁传感器误差测量值的变化，自适应地调整其系统状态噪声协方差矩阵，以使得该姿态估计方法于存在周围环境磁干扰时发挥最优性能。　　设计和实现了具有实用和商业价值的人体运动捕捉设备。该设备通过同步串行总线连接1至16个微型传感器，同步地采集每个传感器的加速度、角速度和磁场强度的数据，并完成比例因子和偏置的校准，最终通过蓝牙或Wi-Fi无线通信发送给上位机，由上位机进行实时的姿态估计或者将所有传感器数据保存在设备本地的TF卡中，用以日后的离线估计和分析。