行人导航作为近些年导航定位技术发展的重要领域,逐渐成为研究的热点方向。当前大多数的行人导航技术主要依赖GNSS,而在GNSS信号受到遮挡、干扰等因素的影响下,导航定位精度较差。针对上述不足,稳定可靠的位置信息检测需借助其它导航定位手段实现。基于惯性技术的行人导航系统,以其自主式导航、无需额外基础网络设施的优点,受到了国内外学者的广泛关注和集中研究。本文紧密围绕GNSS失效情况下的行人导航系统关键技术展开研究,涵盖微惯性器件及系统误差辨识与修正、人体下肢运动学模型构建与分析、基于机器学习的虚拟微惯性器件构建、微惯性器件的故障检测算法。具体研究内容如下:1)基于微惯性器件足部安装方式实现行人导航定位系统。针对低成本惯性器件在行人导航应用有效性的问题,进行了微惯性器件的精度分析。在分析行人步态特性的基础上设计了多条件辨识零速的零速检测算法,并针对室内外不同环境设置了自适应阈值。构建了以速度误差为观测的卡尔曼滤波器,以估计误差并反馈给惯性导航系统,提高了定位精度。经实测数据验证,该算法可提高零速检测的可靠性,可抑制定位误差的累积。2)基于人体下肢惯性信息模型实现虚拟微惯性器件的构建。针对微惯性器件足部安装方式在人体高过载运动中无法有效测量的问题,提出了一种基于BP神经网络构建人体下肢运动学模型的方法。该方法通过BP神经网络逼近行人下肢加速度与角速度间的非线性运动学关系,实现虚拟微惯性器件的构建。测试结果表明,本文研究的方法可通过安装于髋关节附近位置的微惯性器件,有效模拟出足部质心位置的惯性器件输出。3)基于微惯性器件的故障检测方案实现分布式行人导航系统的重构。针对微惯性器件足部安装方式在故障情况下无法有效实现导航准确推算的问题,研究了一种基于BP神经网络辅助的故障检测算法。该方法通过BP神经网络训练模型对虚拟微惯性器件进行信息预测,比对预测值与实测值之间的差值,以此作为故障检测策略。测试结果表明,该故障检测算法能有效检测故障轴向及故障信息,可实现分布式行人导航系统的重构。为验证上述行人导航系统关键技术的有效性,设计实现了硬件平台与软件模块,验证在关键技术辅助的基础上实现位置推算的功能。经过多次测试,在不同故障轴向及故障信息下系统定位精度均小于行进总路程的2%。