随着全球卫星导航系统的发展,室外导航、定位系统已日渐成熟。然而,大部分室内环境会遮挡GNSS信号,在这种情况下使用GNSS信号难以满足室内定位的需求,甚至无法定位。目前在室内定位暂时还没有一种通用的、可靠的定位方案,在这种情况下,融合定位技术成为了室内定位领域的主要方式。集成在智能手机上的各种传感器不仅可以接收地磁信号,同时也可以用于行人航迹推算（PDR）。其中,PDR在短时间内相对精度较高,而长时间的误差累积会导致其绝对精度较低,而地磁室内定位技术则在长时间内可以维持比较稳定的精度。将地磁定位与PDR结合,可以形成优势互补,同时可以很大程度上解决误匹配的问题,是当前室内定位领域的热门方向之一。然而,在地磁与PDR定位技术中仍存在许多亟待解决的问题,本文针对这些问题进行了一系列研究,主要成果如下:（1）针对地磁模值指纹特征识度低的问题,提出一种基于Ada Boost的多特征组合定位匹配算法,将多维度地磁特征值与地磁模值的匹配模型进行训练组合从而得到新的匹配模型,降低了地磁定位特征的误配率,提高了地磁定位精度。（2）针对PDR定位中行人在不同运动模式下的步长估计与步点检测鲁棒性较差的问题,本文提出了一种基于随机森林的行人运动模式与手机姿态识别算法,通过该算法对行人不同运动模式进行分类,构建不同运动模式的步长模型与步点检测模型并加以组合,从而得到自适应的步长估计与步点检测模型。（3）针对PDR对行人非导航姿态下难以估计航向的问题,通过大量的数据采集以及训练分别对不同姿态、不同运动模式下的航向估计进行建模,并通过行人姿态识别算法将不同姿态与运动模式下的航向估计算法进行组合,提高了航向估计的鲁棒性。（4）针对传统的粒子滤波（PF）融合算法容易出现粒子退化、粒子贫化的问题,将扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）与粒子滤波融合得到E-UPF,有效地抑制了粒子滤波的粒子退化和贫化的问题,提高了粒子滤波的稳定性。