室内定位是当前信息学科研究的热点。当前提出了很多解决上述问题的方法，其中利用微机电机械系统（MEMS）测量人员动作状态，进而实现定位功能的方法是其中重要的一类。本文就基于MEMS实现室内定位问题进行了深入的研究。为了实现对标准步行这一最常见动作的分解，本文首先将MEMS分别置于人体的腿部和腰部进行数据采集，然后对得到的参数进行分析处理。利用所得参数的特点，通过加速度和角速度识别完整步行过程。将MEMS置于腿部和腰部时得到的加速度值、角速度值进行比较，互相验证了步行动作的分解过程及参数分布规律。同时，本文统计了静止和标准步行模式下磁力数据，对磁力数据的分布进行分析解释，并据此给出了行进方向的判断方法。通过将MEMS置于人体小腿部采集惯性参数、分割连续步行过程为多个单步、计算单步步长值并累加的方法可以得到总行进位移。本文首先给出了这种算法的详细计算原理并进行了大量的实验，进行了算法重现和验证；然后对算法中参数的选择进行了验证，并分析了相应的结果；最后在标准条件下测试验证了这种算法的精度。在获得移动位移值的基础上，证实了通过计算垂直方向位移值可验证行进位移计算结果。针对倒单摆模式的限制对计算结果的影响进行了实验并对实验结果进行了分析，给出了这种算法的优缺点和局限性。针对腿部不易携带MEMS的缺点，本文提出了将MEMS置于腰部来计算步行位移值的算法。通过分析人体移动时腰部移动轨迹，将行进过程准确的分割为单步过程，再利用算法得到单步步长值。论文对算法的正确性进行了大量的实验验证。结果表明，该算法所得单步步长值和步行总位移的计算结果精度良好，所提方案可在室内定位等领域应用。对于人员行进中的上楼、下楼动作与标准步行动作的识别问题，本文采用支持向量机（Support Vector Machine，SVM）区分上楼、下楼和标准步行动作。本文对上楼、下楼动作和标准步行动作进行了数据采集、动作分析和特征提取，并针对相应参数的特点，进行了三者的区分。结果表明，利用SVM可以有效地区分上楼、下楼和标准步行动作。