随着社会的飞速发展,日常生活以及国防等领域对于精准定位导航的需求日益增加。然而由于卫星信号无法穿透大多数障碍物且存在多径效应,导致全球定位系统在室内、地下、隧道、森林里不能有效使用,不能满足人们日常生活所需。而惯性导航系统不需要依靠外部信号,仅依靠自身的惯性传感器测得的惯性信号便可实现自主导航,克服了卫星导航的上述弊端,一直是定位导航领域的研究热点之一。本文基于惯性导航技术,探究行人自主定位的关键技术。本文首先详细介绍了行人惯性导航定位所用的惯性传感器,并对惯性器件的误差进行了分析。然后论述坐标系相关理论及惯性导航系统的相关解算,并对其中的坐标系旋转及姿态矩阵进行了重点探究。随后对卡尔曼滤波的原理进行了详细探究与推导,包括适合线性系统的卡尔曼滤波和适合非线性系统的扩展卡尔曼滤波。由于行人惯性导航系统是非线性系统,因此本文又针对扩展卡尔曼滤波,详细推导了基于扩展卡尔曼滤波的惯性导航算法。由于行人惯性导航主要利用加速度计的二次积分以获得位置信息,由此可能会带来非常严重的累计误差,导致行人轨迹的快速发散。针对此,本文对行人惯性导航中的经典零速检测方案进行了详细研究,包括:基于固定阈值的零速检测算法、基于方差的零速检测算法、基于差分的零速检测算法和基于广义似然比的零速检测算法。这些算法都是基于某种阈值的判断,鲁棒性不高,本论文针对传统经典解决方案鲁棒性低的缺陷,探究了基于神经网络的零速检测算法,该方案针对多种运动类型均可准确做出判断,大大增强了泛化性能,同时零速更新点和非零速更新点的精度、召回率和F1-score的平均值均可以达到99%以上。最后,本文还基于探究的基于神经网络的零速检测算法,实现了基于SoC的实时行人航位推算终端。该终端轻便易携,可以很方便的实现实时绘制行人定位轨迹,并且在能量转换效率比上,FPGA的转换效率分别是CPU平台和GPU平台的12.58倍和5.42倍。经过大量实验分析,在终端上实验的平均闭合轨迹误差率仅为1.1%。