微机电(micro electromechanical system,MEMS)惯性传感器的体积小,性价比高,所以经常用在需要随身携带或较小的设备环境中。其依赖自身传感器数据进行定位的功能,使其具有不受外界信号影响的优点。但是惯性器件的传感器会受到一些因素影响,使其在工作过程中会累积误差,使误差越来越大,导致系统发散。针对这个问题,在行人导航系统中目前大多用的解决方法是零速修正。零速修正方法可以在行人零速度时消除器件的累积误差。但目前使用扩展卡尔曼滤波进行数据估计时,卡尔曼滤波器的参数固定,当环境或运动改变时易出现精度降低的问题。因此,本文在行人导航系统中通过自适应手段判断卡尔曼滤波器最优参数,降低固定参数所导致的定位误差,提升行人导航定位的精度。本文设计了自适应卡尔曼滤波器,在行人导航定位时能自适应调节参数。具体流程是首先提取行人脚部运动数据特征,利用随机森林算法分类得到行人运动状态,其次根据运动状态与相应脚部运动特征,结合模糊推理系统,输出卡尔曼滤波器的参数控制系数,最后利用此控制系数对卡尔曼滤波器进行参数调节,实现自适应卡尔曼滤波。此系统能够降低运动状态改变产生的干扰并准确追踪行人轨迹,得到最优定位输出。将上述系统进行多组实验验证,实验结果表明当行人进行多状态运动时,整个导航系统的定位误差是每100米路程误差小于2米,实现了多运动状态下高精度行人导航定位。此方法能应用到医院、商城等场合定位,具有较强的实用性。