随着人们室内活动日益增多,能准确获取室内人员的定位信息显得尤为关键。基于微机电系统(Micro-Electro-Mechanical Systems,MEMS)惯性传感器的人员定位技术因其自主性强、隐蔽性好等优势得到了广泛的应用,但其定位误差会随时间累积,难以满足长时间高精度定位需求。为此,有学者提出了利用多源信息增强人员定位技术,根据优化准则将多个信息源进行关联,降低单一信息源的定位误差。为了解决惯性定位误差随时间累积的问题,本文把惯性定位作为主信息源,结合多源信息,分别对平面位置、高度和航向进行增强,有效提高了定位精度。主要研究内容如下:首先,针对多源信息连续稳定场景,对平面位置信息建立状态方程和观测方程,采用扩展卡尔曼滤波算法进行位置增强;针对多源信息缺失场景,提出了基于容错决策树的稀疏多源信息位置增强算法,利用惯性定位与多源信息作为共同参考量,构建容错决策树模型,对稀疏信息源数据进行可靠性判定及加权融合,进而实现位置增强。经仿真对比分析,本文算法能够快速有效地对惯性定位进行位置增强,降低位置误差,从而提高定位精度。其次,针对高度误差的问题,提出了基于特征约束的高度增强算法,结合加速度计和气压计共同识别上下楼运动状态,并利用该信息对高度进行修正,提高系统高度精度。实验证明,该算法的相对高度准确率为96.95%,能有效定位到楼层。最后,针对陀螺仪解算存在累积误差和行人直行时航向波动的问题,本文结合人员的不同运动状态进行直行判定,利用改进的启发式漂移消除算法和加权融合算法对当前时刻的航向进行反馈修正,进而实现航向增强。通过搭建实验场景对系统进行实验验证,结果表明:本文研究的多源信息增强惯性定位系统能实现多源定位信息下的连续可靠定位,提供精确、持久的定位信息,其定位误差不超过1.5%,且有效定位时间达到30min以上。