近年来,基于移动智能设备的行人航位推算(PDR)、Wi-Fi以及多种融合室内定位技术得到了较快发展,与此同时,其存在着定位结果偏差较大,对定位环境要求较高等缺陷。为解决这些问题,本文在PDR算法的基础上提出了一种结合环境地图信息和分类识别算法的室内定位方法——角识别器扩展的地标辅助PDR定位方法(C-LaPDR)。首先,本文将PDR作为系统的底层定位算法,并设计实验建立了一种关于步频和加速度峰值的实时步长估算模型,能够适应不同行人或者同一行人不同行走频率的复杂情况,在一定程度上提高了步长模型的通用性。接下来,针对定位环境,建立相应的地标数据库,并且根据不同的地标类型,建立不同的识别模型和位置校准算法。目的是通过物理条件约束、指纹匹配等方式,纠正底层PDR定位算法中的累积误差。然后,本文考虑到用户携带移动设备姿态的多样性,搭建了一个由四个分类器构成的分层角识别系统。通过实验分别对J48决策树、支持向量机、朴素贝叶斯三种分类算法的分类效果进行对比,发现J48决策树对数据集的姿态分类和角点识别的正确率均达到了90%以上,且用时相对较少。因此,本文选用J48决策树作为姿态分类器和三种不同姿态下的角识别器分类算法,完成分层角识别系统的搭建,减少由于行走过程中出现假角,而误导角地标匹配的情况发生。最后,本文将山东科技大学J9号楼4楼的回形走廊作为实验场地,并设计实验对C-LaPDR算法和PDR算法的定位效果进行比较。从实验结果可以看出,PDR定位轨迹中出现了误差较大的漂移路段,而对于C-LaPDR算法,地标匹配成功后的一段时间内,轨迹的漂移误差能够控制在0.5米以内,这是因为C-LaPDR算法通过地标匹配和位置校准过程,对轨迹漂移起到了较好的修正作用。整体来看,由角识别器扩展的地标辅助PDR室内定位方法将系统的平均定位精度提高到了 1.5m左右。