随着位置服务和移动互联网的迅速发展,人们对室内定位和导航的需求日益迫切。在室内环境中,全球卫星导航系统信号衰减,无法提供准确定位信息。考虑到定位精度及建设成本等多重因素,以智能手机为媒介、基于微惯性传感器的室内定位方法受到重点关注。本文基于行人航位推算定位技术,研究如何利用智能手机中集成的惯性传感器来进行准确地步态检测、步长估计以及航向估计。本文具体研究内容与创新点如下:1.提出了一种基于峰谷对约束的步态检测方法。对于仅有阈值约束的传统峰值检测方法无法剔除伪峰值导致过度计步问题,本文结合人体运动学的理论对行人步态进行分析,得到人行走过程中运动加速度与行人步态周期的联系。在传统峰值检测法的阈值约束基础上,提出加速度峰值与谷值要一一对应成对才能记为有效峰谷值,进而得到人行走步数的步态检测方法。实验表明该方法在手机处于手持式、摆臂式、口袋式三种情况下计步的精度都高于传统峰值检测法。2.提出了一种基于Weinberg方法的改进步长模型。针对三组不同步速实验中Weinberg方法步长估计曲线波动频繁的问题,考虑正常连续行走过程中人的相邻迈步步长有一定连续性,将第k-1步长估计结果引入结合Weinberg方法步长估计结果,通过分配不同的权重因子来进行第k步步长估计。实验结果表明了本文改进的步长估计模型相较于Weinberg方法在精度上略有提升。3.提出了一种基于转角匹配和卡尔曼滤波的航向修正方法。本文主要使用智能手机方向传感器输出的航向角数据,解缠绕后的航向角曲线在直行阶段抖动仍然较为频繁。根据陀螺仪角速度进行转角检测,在未发生转弯阶段使用卡尔曼滤波进行航向估计修正,在转弯期间保留原始方向传感器数据。该方法保持了原始航向角数据变化趋势且使得数据抖动幅度变小,从而提高了航向估计精度。综上所述,本文研究了基于峰谷对约束的步态检测、基于Weinberg方法的改进步长模型以及基于转角匹配和卡尔曼滤波的航向修正方法,并在MATLAB上进行了实验,进而验证上述研究工作的可靠性和有效性。