在运动人体科学领域,需要测量人在运动过程中肢体的运动学信息,现代人体动作捕捉系统虽已广泛用于测量肢体的空间姿态,而在游泳场景中其可靠性、便捷性和精度仍有待提高,且难以自动分割游泳相位。与光学动作捕捉系统相比,基于惯性传感器的可穿戴式动作捕捉系统具有低成本、微型与轻量化、不受场地限制等特点,成为医学、体育和人机交互等领域研究人体运动的重要测量设备。然而,人在游泳时肢体运动规律复杂且自由度较大,穿戴式惯性动作捕捉系统具有姿态误差难以消除的特点,同时现有游泳相位分割算法对于多种相位方案不具备通用性,需设计有效的游泳姿态捕捉和相位分割算法,以使游泳动作捕捉系统能够实测游泳者的全身姿态与动作相位。鉴于上述问题,本文提出了可穿戴式游泳动作捕捉系统及相位分割方法,主要研究工作如下:（1）构建了基于微机电惯性测量单元的游泳动作捕捉系统,可以快捷、可靠地实测四种竞技泳姿（自由泳、蛙泳、仰泳和蝶泳）的人体全身或局部肢体姿态。对姿态解算前的磁力计校正、静止检测和零偏消除等进行了研究,改进了动作捕捉系统的人体姿态校准和初始姿态估计,使其能在系统初始化过程中同步完成,以提高系统的便捷性。其次,本系统可以采用多种姿态更新算法完成姿态解算,以重构人体生物力学模型;此外,为了便于系统的精度验证和游泳运动分析,提出了“近似人体解剖学姿势”用于人体姿态表示方法的转换,以满足姿态数据可视化的需求。（2）提出了一种通用的游泳相位分割方法,可实现四种竞技泳姿的多种相位分割方案。基于本文游泳动作捕捉系统的多传感器惯性特征,提出了神经网络与隐马尔科夫模型融合的游泳相位分割算法。其次,进一步提取多模态特征,使多种常用分类器均能有效地分割游泳相位。提出了时间容差用于评价游泳相位分割的精细程度,并分析了时间容差对于算法分割游泳相位的影响。游泳动作捕捉系统提供的人体姿态数据一方面可用于游泳相位的人工标注,另一方面与游泳相位分割结果进行融合,可使本文系统直观地反映四种泳姿不同相位阶段的肢体姿态变化。（3）提出了一种传感器组合特征子集选择框架,将传感器数目选择和组合问题转化为特征子集的评价和选择问题,实现了传感器的自动优化配置。改进的过滤式特征选择方法在相位分割算法的预测时间方面具有明显优势,而改进的嵌入式特征选择方法在相位分割算法的准确率方面具有更好的效果。本文所提出的框架可以自动选择指定个数的传感器,而无需人为操作,同时传感器个数对相位分割算法准确率的影响得到了很好的控制。