随着智能手机的普及和室内定位需求的日益增加,基于手机内部惯性传感器的室内定位系统,也称作手持式室内定位系统,成为了研究的一大热点。目前,室内定位系统的研究集中在单一的运动模式,针对多步态的手持式室内定位步长估计的精度不理想,缺乏一个通用的多种姿态运动下的室内定位算法。本文提出一种基于航位推算的多步态手持式室内定位步长估计算法,实现对多种运动姿态下步数和步长的精确估计。对于不同运动状态下的步数检测和步长估计缺乏一个可靠且性能较优的通用算法。本文设计了一种基于自适应阈值的新型零速检测算法,可以在多种步态场景下准确地检测出行人的零速时刻点,通过基于K-means算法先进行步态判别,再根据步态判别结果选择相应的步数检测算法,最后触发扩展卡尔曼滤波进行零速更新。在多步态步长估计算法研究上,本文设计了基于动力学模型和倒立摆模型的混合模型步长估计算法,采用给两种模型加权重因子的方式,通过训练数据拟合出步长估计模型参数,最后估算出自适应的步长结果。通过实验表明本文提出的多步态步数检测算法在正常行走模式下的平均步数误差为0.80%,比传统步数检测算法的平均步数误差降低了4.2%;在慢速行走模式下,本文的步数检测算法的平均步数误差达到0.40%,比传统算法的平均步数误差降低了3.6%;而在快速行走模式下,本文提出的步数检测算法的平均误差降低了0.80%,比传统步数检测算法降低了 28%,较好的解决了传统步数检测算法不适用于快速行走模式的情况。对于整个多步态步长估计算法系统,通过实验表明该系统在正常行走模式下的平均定位误差为0.53%,在慢速行走模式下的平均定位误差为2.07%,在快速行走模式下的平均定位误差为2.3 6%。本文提出的多步态自适应步态检测算法和混合模型步长估计算法有效地提高了系统的鲁棒性和定位精度,具有一定的实际应用意义,在灾害救援、医疗护理、商场购物等方面有着良好的应用前景。