基于惯性导航的室内定位系统不需要依赖外部源便可定位,且使用方便,成本低廉,具有很强的适应性。随着智能手机的普及,基于惯性传感设备安装在人体上半身的室内定位系统(也称手持式室内定位系统)成为了研究热点。到目前为止,由于人类步态的多样性,在手持式室内定位系统中,对于不同场景下的步长估计缺乏一个高精度、通用的算法。本文拟设计一种自适应的步长估计算法,实现对手持式室内定位系统中步长的准确估计。本文通过对手持式室内定位系统中人员行进时腰部的运动特性进行研究分析,设计了基于“线性倒立摆”模型的步长估计算法,并对模型中回归系数的影响因素以及算法对步长估计的误差进行分析。引入BP神经网络,实现了模型回归系数的自适应估计,并在神经网络的结构设计和输入特征集的选取方法上,采用了“快选区间,精挑节点”策略对神经网络的隐含层层数和节点数进行选取,同时设计了一种基于ReliefF和序列前向选择(SFS)的组合式特征选取算法,有效的提高了模型回归系数的估计精度。最后,针对基于惯性传感器的室内定位应用,设计了基于神经网络的自适应运动模型的步长估计系统。通过实验表明,本文设计的基于神经网络的自适应运动模型的步长估计算法能够有效地对室内定位系统中距离进行估算,算法平均误差为5.23%。本文提出的自适应步长估计算法对于手持式室内定位中的距离估计具有一定的理论和实际应用意义,在应急救灾、医疗护理和基于位置服务的商业行为上有着良好的应用前景。