当林火消防员在密闭度高的森林中工作时,由于林木的遮挡,容易出现卫星信号丢失的情况,无法及时提供目标物的地理位置信息。惯性导航可自主导航定位,但在实际应用中由于惯性导航在积分的作用下容易出现累计误差,使其定位功能达不到预期的使用要求。因此,本论文基于传感器融合技术,将惯性导航系统与磁强计信息和行人步态信息融合,设计了足绑式硬件平台,实现了行人轨迹的推算。首先,本论文介绍了 MEMS惯性导航系统的工作原理,分析了加速度计、陀螺仪和磁强计的误差来源,并构建了上述元器件的误差模型,设计了基于最小二乘法的加速度计标定算法、基于椭球拟合的磁强计标定算法以及陀螺仪零偏的标定算法,实现了对三种传感器误差的标定。其次,本论文研究了基于MEMS步行者轨迹推算算法。惯性导航更新算法,主要包括初始对准算法、姿态更新算法、速度和位置更新算法。分析步行者典型步态,将其分为摆动和静止两个阶段。在摆动阶段,进行惯性导航实现步长推算;在静止阶段,进行零速更新,修正传感器误差。基于角速度和加速度信息,分别设计了基于极大似然估计和阈值的零速检测算法,并对两种算法的性能进行了对比研究:介绍了基于误差状态的卡尔曼滤波算法,建立了系统观测方程与状态方程,通过卡尔曼滤波估计出惯性导航误差以实现零速修正。最后,本文根据系统需求,设计并搭建了足绑式硬件和软件平台,进行零速检测、单步、连续迈步等多项实验。实验结果表明采用本文所提的零速检测算法,仅在快速行走的情况下出现0.52%的相对误差,远小于阈值法;采用基于卡尔曼滤波的零速修正算法,水平方形实验相对误差小于4.3%,室内楼层实验相对误差范围为-5.8%～9.7%,能够有效减小惯性导航长时间漂移,定位效果比较稳定,能满足林火消防员的定位要求。