足式机器人是移动机器人的重要组成部分，相较于轮式、履带式机器人，足式机器人在运动过程中自主选择落足点，从而越过路面障碍，在山地运输、抢险以及军事等领域存在应用潜力。目前，足式机器人的快速动步态行走已经成为国内外研究热点，而机身姿态和速度等实时运动参数是机器人平稳运动控制所需的重要反馈信息。但是常用的惯性测量组件往往存在偏差和随机误差，速度解算严重漂移，同时足式机器人工作时因足底交互作用导致的冲击振动，进一步增大了速度估计的难度。如何利用足式机器人的结构特点、本体传感器以及惯性测量组件，以较低的成本稳定有效地估计出其运动速度，已经成为机器人导航技术中的重要研究方向。本文比较了多种足式机器人状态估计方法，针对双足机器人和四足机器人，采用了扩展卡尔曼滤波有效地融合了捷联惯导信息和正运动学信息，获得了稳定准确的机器人速度估计。首先，为了识别偏差和随机误差，针对MEMS捷联惯导进行了预处理，进而完成了导航解算。研究并对比了加速度计的静态标定和在线标定方法，实现了偏差的动态识别和补偿，并且根据Allan方差法有效识别了加速度计的随机误差，为数据融合算法奠定了基础。进而根据捷联惯导工作机制和实际机器人运动，分析简化了速度解算方法。然后进行滑台实验，初步验证了捷联惯导预处理、导航解算的有效性。其次，根据实验所需双足步行机构和四足机器人模型，建立了腿部连杆坐标系，进行了正运动学分析以获取速度估计的测量值，并且利用仿真实验验证了其准确性。进一步对扩展卡尔曼滤波融合算法进行了研究，合理选取运动参数的误差作为状态变量，建立了状态方程和测量方程，通过调节方差参数，得到误差最优估计值。在此基础上，采用反馈校正方法，对误差最优估计值进行补偿，实现了机器人运动速度估计。利用四足机器人运动仿真，初步验证了该数据融合算法对直行、侧行以及崎岖路面的有效性。最后，为了综合验证捷联惯导预处理、导航解算以及数据融合算法的有效性，利用双足步行机构和四足机器人平台进行了验证实验。针对双足步行机构，搭建了运动捕捉系统用于获取真实运动速度，进而完成了直行、侧向跨步、转向以及障碍路面等实验。针对四足机器人，以正运动学计算的平均速度为对比参考值，开展了平坦路面行走速度估计实验。实验结果验证了该速度估计算法的有效性，为机器人的运动控制提供了参考。