行人航位推算常用于估算用户在室内环境的位置,然而,传感器测量数据偏差,传统航位推算算法中误差的积累,对最终的定位结果影响很大;其次,用户持握方式是多变的,很难建立起传感器数据与持握方式之间的准确关系,难以根据数据特征进行分类;再有,行人行走轨迹可能会出现偏移较大、穿墙而过的错误现象。针对上述问题,本文提出一个改进的行人航位推算算法,在穿零检测法基础之上,提出上升穿零与下降穿零两种情况下的步数统计方法;接着,综合五种变量:性别、身高、步频、波峰加速度、波谷加速度,提出新的步长计算方法,通过多元变量线性回归分别训练男、女数据样本得到该模型,接着使用粒子滤波,修正间歇性跳跃的步长结果;然后,根据磁力计方向角和陀螺仪相对转向角度的线性相关性,线性拟合得到基于二者角度变化值的方向估算模型,以弥补传统航位推算算法中单独使用磁力仪或陀螺仪进行方向估算产生的大幅偏差;此外,针对不同的持握方式,根据其加速度信号,利用小波变换提取运动特征,奇异值分解进行特征降维,通过支持向量机进行分类训练,达到准确判断不同持握方式的目标,并根据特定持握方式下,用户对导航轨迹不敏感的特点,统计步数与步长;最后,本文提出室内地图建模与匹配方法,先对室内空间进行抽象、建模,再通过兴趣点匹配、穿墙检测、方向修正等步骤限制用户运动轨迹,使其与真实轨迹更加贴近。实验结果表明,计步阶段,穿零检测法平均误差0.8%,传统波峰检测法平均误差11.6%;本文提出的步长计算误差3.5%,相比于已有的身高-步频模型误差8.63%,以及波峰-波谷根式模型10.84%,有显著提升;方向估算结果90%以内的样本误差都在20°以内,对比传统的磁力计、陀螺仪有明显的优势;使用SVM进行持握方式判断的准确率高达95.62%,而贝叶斯分类的准确率只有82.31%。最后地图匹配的实验中,绘制轨迹克服了漂移、穿墙等问题,改进的航位推算算法平均误差1.48m,绘制的轨迹能反映行走路线。本文出的改进的航位推算算法及地图匹配在室内定位中大大提高了定位精度,具有较高实用性。