基于微型传感器的人体运动估计系统(Micro-sensor Motion Capture，M-Mocap)具有方便、经济、实时等诸多优点，在健康监测、舞蹈训练、体育运动分析、电影特技、虚拟现实、动画和游戏制作等领域得到了广泛应用。然而，由于人体运动系统的复杂性和微型传感器的固有的噪声及偏置问题，MMocap系统的基本理论有待深入研究、关键技术也尚待突破。由于MMocap系统无外界参考点，其最大的挑战是不能给出人体在大地坐标系下的绝对位置。对加速度直接积分可以得到相对于初始时刻的位置，但在积分的过程中会产生漂移，不能长时间准确地跟踪人体运动轨迹。本文提出基于动态贝叶斯网络的理论框架下的人体下肢运动估计算法，能准确估计人体下肢姿态及人体在大地坐标下的位移，实现了人体下肢运动的全方位估计，使得MMocap系统不再局限于捕捉人体立于原地的肢体动作，而是能捕捉人体在空间中的移动，例如走路，跑步，跳跃等，拓展了其应用范围，从而提高了其竞争力。　　 本研究主要内容包括：⑴基于人体下肢动态生物力学模型的走路位移估计。本文提出一个基于人体下肢动态生物力学模型的位移估计方法，结合人体与地面的接触点的边界条件，实现人体在不同走路模式下，包括前行，后退，侧跨步，重心(Center of Mass，CoM)在大地坐标系下位置的准确估计。本方法避免对加速度直接积分，而是提出一个人体下肢的动态生物力学模型，利用运动学信息来估计人体CoM的位置。该方法假设在走路过程中至少总有一只脚与地面接触。本文提出一个基于概率的方法被用来检测与地面接触的脚作为人体在大地坐标系下的参考点，根据人体下肢动态生物力学模型，可以估计各个时刻人体CoM的位置。为进一步提高算法的准确性，本文探索了人体下肢各关节的生理限制及骨骼结构来约束相邻骨骼的运动，并应用于位移估计中，从而提高人体下肢运动估计的准确性。该方法在没有引入任何辅助设备的前提下，估计的不同走路模式下CoM的位移在X，Y，Z轴上的均方误差分别是0.0968米，0.1071米，和0.0126米，表明本文提出的位移估计算法可以准确估计人体在全局坐标系下的位置。⑵基于分层信息融合的人体全局位移估计。对提出的位移估计算法进一步改进，提出了一个新颖的层次信息融合方法，用于更加复杂的步态模式，例如跑、跳过程中CoM的全局位移估计。该分层信息融合算法，共分为两级，在第一级传感器信息融合中，人体下肢准确的方位和位移是通过由互补滤波器(Complementary Kalman Filter，CKF)的误差状态变量来补偿根据惯性导航理论得到的方位，速度和位置存在的误差而得到的。从左/右脚的位置，根据人体下肢生理力学模型得到左/右两个CoM位置。由于几何约束，左/右两个CoM位置应该相同。在第二级几何融合中，引入误差状态卡尔曼滤波器来补偿根据左/右两个CoM位置之间的差异，从而得到准确的CoM位移。该分层信息融合位移估计算法得到的走路时CoM的位移在X，Y，Z轴上的均方误差分别是0.0794米，0.0472米，和0.0197米，跑步时是0.1193米，0.1012米，和0.0591米，跳跃时是0.0389米，0.0295米，和0.0501米，表明本文提出的分层信息融合位移估计算法可以准确估计人体CoM在不同步态模式下的全局位置。⑶人体步态分析。将微型传感器人体下肢运动估计系统进一步扩展用来全方面的分析人体步态参数，包括时间参数，空间参数，运动参数等，用于老年痴呆症(Alzheimers disease，AD)患者的步态分析，并进一步研究步态异常与AD患者之间的关系。本文可以估计的步态参数包括步态周期，支撑相，摆动相，单支撑相，双支撑相，步幅，步长，步速和步频，人体下肢各关节，如髋关节、膝关节和踝关节的3D关节角度等。根据实验结果，可以得出结论AD患者步态存在正常衰老范围之外的异常情况。步态异常主要表现在步幅、步长，步速，步频，步态周期时间等方面。由于位移估计是MMocap系统中的难点问题，本文提出的算法实现了对于人体不同的步态模式在大地坐标系下的位移估计，并建立起系统的研究理论和方法，这在选题和理论上都是一种创新。并将人体下肢运动分析系统用于AD患者的步态分析，这在临床医学研究和应用上都具有十分重大的意义。