近年来,作为导航定位技术的重要组成部分,行人室内定位技术研究受到了广泛的关注,特别是基于位置服务(Location-based services,LBS)的应用,遍布于人们生活的方方面面,如紧急救援、医疗保健、商业信息推送等等。微机电系统的快速发展以及智能手机的广泛普及,为基于自包含传感器的行人室内定位技术提供了实现平台。然而,智能手机使用方式多样、传感器安放位置灵活等特点,给传统的基于自包含传感器的行人室内定位带来了难题。因此,不需要任何外部设施,仅基于自包含传感器实现无约束的、精确的行人室内定位,成为领域内的研究热点与发展趋势。行人航位推算(Pedestrian dead reckoning,PDR)是一种相对定位技术,算法通过对行人的步态检测、步长估计以及航向测定来确定行人的相对位移,从而利用已知的初始位置来推算行人在任意时刻的位置。由于避免了传统惯性导航系统(Inertial navigation system,INS)中的积分运算,因此一定程度上抑制了使用低成本传感器而产生累积误差的问题,使得基于自包含传感器的行人定位成为可能。本文深入研究了行人航位推算算法,对算法在精确性与鲁棒性等性能方面进行了改进,使其适用于复杂室内环境中无约束条件下的行人定位应用。具体的研究工作简述如下:第一,研究了基于航位推算原理的行人定位方法。本文基于对前人研究的总结,深入探讨了行人航位推算的定位原理、算法体系和传统方法。分析了现有方法的优势与在复杂情况下实际应用的局限性。实现了基于自包含传感器的行人航位推算定位算法。通过实地试验对算法进行了测试验证,指出了仅利用行人航位推算算法进行行人定位的不足,并提出了相应的算法改进方案。第二,研究了运动模式识别辅助的行人航位推算算法。分析了智能手机不同使用情境下的传感器信号特性,实现了智能手机安放位置的自动识别。研究了室内环境中行人常见的运动模式,通过提取不同运动状态下采集的惯性传感器信号的时频域特征,实现了行人室内运动模式识别。并针对室内复杂环境,提出了基于条件随机场的行人连续动作识别,提高了行人运动模式识别精度。基于行人情境感知和运动识别,提出并实现了不同运动状态下的行人步长估计模型和基于主成分分析的行人航向测定方法,为行人在自然行走状态下的室内定位提供了有效保障。第三,研究了基于光流的行人步长估计模型训练方法。通过计算连续图像序列的光流,结合传感器姿态估计算法,转换得到行人位移信息用于训练行人步长模型。实现了传感器姿态角的实时估计补偿,避免了行人行走过程中由于传感器抖动而引入噪声。提出了基于高斯核函数的干扰光流滤波算法,解决了因为行人腿部和双脚出现在图像中所带来的错误光流问题,确保了位移信息换算的正确性。提出了具有自修剪功能的线性回归机制,进一步滤除了由不确定性因素造成的非可靠训练样本点,改善了行人步长训练模型精度。第四,研究了抗磁干扰的行人航向测定方法。分析了室内环境中普遍存在的软硬磁干扰,实现了磁场向量的两阶段干扰判决,有效地判定磁场向量的可用性。提出了具有识别磁场干扰存在性而自适应调整航向估计方式的行人航向融合测定算法,当磁场向量不可用时,仅在重力方向上对航向进行修正;当磁场向量可用时,在磁场方向对航向进行再次修正。因此既修正了惯性传感器累积误差对航向估计的影响,又避免了室内环境中磁干扰对航向估计的错误修正,从而保证了行人航向估计的可靠性。第五,研究了基于地图约束的行人室内定位方法。提出了基于粒子滤波的行人运动轨迹修正算法,利用室内环境中墙体等障碍物对行人运动轨迹的约束,使得带有位置信息的高斯分布粒子收敛得到精确的行人运动轨迹。设计了粒子多维状态变量,在粒子状态中除位置信息外,还带有行人步长和航向信息,因此粒子在状态更新过程中可以持续学习行人的步长模型参数,并实现对行人航向的不断修正。通过室内地图的构建与优化,以及二进制粒子权重的设计,达到了定位精度与运算量之间的平衡,提高了算法的实用性。综上所述,本文对室内复杂应用场景下的行人室内定位技术进行了深入的探索和研究,提出了一系列有效的行人航位推算改进算法和行人室内定位解决方案,为基于自包含传感器的行人室内定位技术的广泛应用,提供了理论依据和实验参考。