随着社会的飞速发展,人们对室内环境下精确的定位导航技术需求日益剧增。考虑到室内环境的复杂性,基于各种无线网络(如WiFi,Zig Bee等)的室内定位技术的稳定性和有效性差强人意。基于惯性传感器的行人室内航迹推算,不需要依靠外部无线信号就可以实现定位导航。本文探索利用智能移动设备里配置的惯性测量单元作为硬件载体,进行室内行人的航迹推算,并对室内行人定位导航算法展开研究。本文的主要研究内容有姿态误差补偿,为克服由于噪声累积导致的姿态解算误差,本文研究利用磁力计和加速度计分别获得的地磁场信息和重力加速度信息,并对获取的数值进行可靠性判断,将有效的地磁场数据和重力加速度数据作为观测值,结合无损卡尔曼滤波模型应用于姿态估计中,从而抑制陀螺仪累积误差,实现高精度的姿态解算算法。其次,本文对行人步行时候物理规律进行深层探索,并将其应用在定位导航模型中,提升定位导航精度,并且加强算法的鲁棒性。在脚步检测中,本文利用行人在步行情况下,整个身体在竖直方向上会有一个上下微小位移这一特征,设计有限状态机进行脚步检测,并且以正常步频为参数设计带通滤波器过滤噪声分量。最后,本文研究利用智能手机中内置的惯性测量单元采集惯性数据,不需要固定惯性测量单元,在多种行为模式下,进行行人室内航迹推算。本文抛弃常用的平行航向假设,通过提取水平面的加速度信息,借助机器学习中常用的特征提取方法,从水平面加速度信息中提取行人的真实前进方向。本文通过行人手持智能移动终端,在多种行为模式下采集惯性测量数据进行仿真分析,仿真结果表明在脚步检测算法中,真实脚步检测误差大约为2%,并且虚假脚步误检概率也远远低于同类算法,在平行航向假设不适用的行为模式下,本文所提出的航迹推算算法依然适用,定位精度在大约在1%与2%之间。