实时、鲁棒的高精度人体运动感知是一个非常有挑战性的问题。近年来，人工智能、虚拟现实技术快速发展，对人体运动感知技术和设备的需求越来越大。随着微机电系统（MEMS：Micro ElectroMechanical System）系统的发展，微型化、低功耗、低成本的惯性测量单元（IMU：Inertial Measurement Unit）正广泛地被集成到移动终端和智能穿戴设备中，这为利用惯性传感器进行人体运动感知提供了广阔的应用前景。基于微惯性技术的行人航迹推演（PDR： Pedestrian Dead-Reckoning）是用于室内导航和室内定位的众多技术之一，其具有便于携带、成本低廉、对空间环境没有特殊要求等独特优势，因此也逐渐成为目前研究的热点之一。

本文围绕基于微惯性技术的人体位姿感知，特别是行人航迹推演方面展开研究。首先，系统地研究了基于微惯性技术的行人航迹推演（PDR）系统的关键技术；其次，针对行走和混合运动下的行人航迹推演问题，提出了一个有效的解决方案；最后，设计并初步实现了一个人体位姿感知系统。本文的主要工作有：

第一，基于微惯性技术的行人航迹推演（PDR）系统研究。首先，对基于微惯性技术的行人航迹推演（PDR）系统的设计方法、研究热点以及存在的问题进行了系统的分析和总结；其次，提出了一个PDR系统一般性的框架结构，该框架凝练出6个PDR系统所涉及的相对独立的模块；最后，在此基础上，创新性地提出一个PDR系统设计的技术路线图结构，从宏观和微观角度对PDR系统进行了高度概括。

第二，基于微惯性技术的行走和原地踏步混合运动下的行人航迹推演算法研究。首先，提出了一个自适应的步态划分算法，该算法分为预划分和修正两个阶段，并且拥有自适应调节判定阈值的能力。实验测试结果显示所提算法检测精度达到甚至超过现有最好成果。其次，提出了一个基于多层感知机模型的运动分类算法，该算法将按步划分好的运动数据作为输入，识别每步是属于行走运动还是原地踏步运动。实验结果显示该方法对行走和原地踏步混合运动下的运动分类准确率高达99%。此外，在此算法基础上提出了一个步长估计模型，该模型融合了常用的几个步长估计模型，实现了步长估计精度的提升。最后，利用二阶扩展卡尔曼滤波估计IMU姿态，并融合一些航向约束和修正算法来估计每一步的航向。实验结果显示所提算法估计出的运动轨迹精度与现有成果相当。

第三，基于可穿戴传感器的人体全位姿感知系统的设计与实现。首先，设计和实现了基于Unity 3D的数据手套演示系统。其次，实现了基于Unity 3D的人体姿态感知系统。最后，融合上述混合运动下的行人航迹推演算法，初步实现了一个基于WinForm+c#开发的行人航迹演示系统。