近年来,随着移动设备的普及和室内活动日趋频繁,基于位置的服务(LocationBased Service,LBS)对室内定位的需求愈发明显。一方面,由于建筑物的遮挡,以全球定位系统(Global Positioning System,GPS)为代表的卫星定位系统在室内几乎无法使用;另一方面,尽管在过去20年间室内定位技术得到了广泛的研究和发展,然而由于室内环境复杂多变等不利因素的影响,目前仍未出现广泛适用的高精度室内定位解决方案。传统的电磁波定位技术存在诸多短板,基于声信号及IMU(Inertial Measurement Unit)的室内定位技术由于低成本、精度高、与移动设备兼容等优势受到了广泛关注。本文基于智能手机移动平台,针对行人手持手机的应用场景,开展了融合声信号TOA(TimeofArrival)定位与IMU航位推算的室内定位及跟踪系统研究,使用分层贝叶斯滤波结构融合TOA与IMU测量结果,并对算法进行了系统实现和实验验证。论文主要工作如下:基于室内声信道模型及常见的TOA估计方法,提出了 一种基于自适应门限的两步TOA估计方法,仿真证明了该方法相比以往算法的性能优势。基于TOA伪距测量建立了单次定位方程以及连续的贝叶斯滤波算法,为避免单次定位结果的抖动,使用单次定位算法初始化滤波器、使用容积卡尔曼滤波递推地估计目标位置,在低TOA更新率下获取较大时间间隔的定位结果。引入基于手机IMU的SHS(Step-and-HeadingSystem)输出步长、航向信息,用于获取TOA定位间隔之间的连续跟踪轨迹。针对手机姿态不确定的问题,通过旋转矩阵优化行人运动的加速度及角速度数据。本文使用粒子滤波融合TOA定位子系统、SHS子系统以及地图信息,以提高定位跟踪精度。针对行人的非线性运动特征,通过地图信息建立行人的非线性运动模型。采用下层容积卡尔曼滤波与上层粒子滤波的分层设计,将TOA滤波输出作为粒子滤波器的输入,有效降低了融合滤波过程的运算量。针对TOA定位更新率比行走频率低导致的异步测量问题,本文提出了一种异步权值更新方法,仿真证明了该方法及融合算法的有效性。在算法研究的基础上,设计并实现了基于FPGA(Field-Programmable Gate Array)、手机客户端及远程服务端的室内定位及跟踪系统。基站使用FPGA设计实现;开发了手机APP及服务端软件,用于实现数据采集与处理。在实际室内环境中进行了定位跟踪实验,结果表明本文给出的系统在较低的TOA定位更新率下,可以达到0.5m左右的连续跟踪精度,进一步证明了定位及跟踪系统的有效性。