随着科技的发展,人们对室内定位和导航技术的需求也越来越大。而由于室内信号遮挡,无法使用GPS等卫星技术进行导航。因此,室内技术逐渐成为当今研究的重点,主要包括基于各类无线网络的定位技术和基于惯性传感器的室内定位技术。本文围绕基于惯性传感器的室内人体轨迹推算问题进行研究,并在基于STM32的嵌入式系统平台上实现该系统。一般情况下,MEMS传感器具有精度偏低、随机误差较大等缺点。针对这些缺点,本文对加速度计和陀螺仪建立了误差模型并分析,主要消除了影响较大的零点漂移误差;磁力计在室内更容易受到影响,本文建立了椭球模型,利用椭球拟合算法对其进行修正。最后,将标定算法移植到STM32单片机上,实现了现场标定。姿态解算和计步是系统中最重要的两个部分。本文将四元数作为更新姿态的工具,首先利用磁力计和加速度计得到初始姿态角,转化为四元数后,利用扩展卡尔曼滤波融合传感器数值并更新四元数,最后更新姿态角。对于步伐信息,本文中主要利用中间阈值穿越的方法对竖直方向加速度值进行分析而得到。在轨迹推算中,本文针对现有启发式偏移消除算法(Heuristic Drift Elimination,HDE)中航向角推算不准确、反馈系数鲁棒性较差的问题,提出了对航向角进行启发式漂移消除的算法(Angle Heuristic Drift Elimination,AHDE)。主要是用启发式漂移消除算法对航向角进行修正,最后利用粒子滤波结合步数及步长信息推算出行人的行走轨迹。经过多次实验测试,结果显示,在行走方向较为固定的典型室内环境中,行走距离在250米时,该算法平均误差不超过2米,而HDE算法误差会达到4米左右。并且该系统具有比对陀螺仪数据进行启发式漂移消除系统更强的鲁棒性。当以100HZ频率读取数据时,本文实现的AHDE算法反馈系数的选择范围由HDE算法的[0.001,0.028]扩展为[0.005,0.23],几乎扩大了一个数量级。