以GPS为代表的卫星定位系统已被广泛应用于航空、航天以及重要车辆的地面导航等领域。然而在城市隧道、高架、地下车库等存在建筑物遮挡的环境，卫星信号会明显衰弱，卫星盲区定位问题日益凸显。惯性传感技术由于不需要外界信息且不依赖建筑物内部设施即可实现自主定位，已成为无卫星信号条件下室内定位领域的研究热点。针对目前惯性式室内定位技术中存在的航向估计漂移和位置推算误差等关键技术问题，本文重点研究了传感器的误差分析和校准、多传感器的数据融合以及航位推测方法，以实现低成本 MEMS传感器的高精度室内行人定位。主要的工作和成果总结如下：　　首先，针对低成本 MEMS器件存在的测量误差和漂移问题，建立了统一的多轴传感器误差模型。对传感器的确定性误差进行了校准和补偿，有效提高了 MEMS传感器的测量精度。使用Allan方差和小波分析方法对传感器的非确定性误差进行了随机过程建模。利用广义小波矩方法对比了三种典型的传感器随机噪声时间序列的估计结果，得到了优化的传感器随机误差估计参数。　　其次，针对惯性式室内行人定位的航向估计漂移问题，本文以载体坐标系下的重力加速度与地磁场分量作为观测方程的状态向量，提出了将姿态角和航向角进行分离计算的双线性卡尔曼滤波算法。进一步研究了传感器随机误差对双线性卡尔曼滤波算法的影响，验证了假设传感器的随机误差为白噪声时滤波器能够提供最优的姿态估计。该方法使磁场畸变对航向估计的影响得以消除，提高了姿态估计系统的精度，同时避免了扩展卡尔曼滤波的线性化误差和无迹卡尔曼滤波繁琐的无迹变换过程，提高了姿态更新速度。　　最后，针对惯性式室内行人定位的位置推算误差问题，设计了传感器噪声协方差自适应的卡尔曼滤波融合结构。通过人体绑定姿态估计系统进行室内行走的实验，设计了人体骨骼与姿态关联的步态分析与步幅估计方法，进一步提出了步幅与航向偏差相结合的室内行人位置推算方法。室内174米行走距离测试内的位置推算平均误差达到3.62米，百分比误差达到2％，满足了室内精确定位的要求。