基于惯性测量单元（Inertial Measurement Units,IMU）的定位系统,无需外部信号及基站,适用于矿井作业、医疗护理和灾难救援等自主性要求较高的室内定位场景。然而,可穿戴惯性定位模块的小型化、惯性导航参数解算中累积误差的消除以及定位算法对各种运动步态模式的适应性是目前面临的关键挑战。论文对影响惯性定位精度的主要因素进行了研究,提出了一种自适应阈值零速修正算法辅助的捷联惯性定位技术。通过基于自适应阈值的零速检测算法来分离行人连续步态周期,并在此基础上降低了姿态更新以及速度更新中的惯性导航参数的误差累积,提高了定位精度。最后,设计了无线可穿戴定位模块,对定位算法的精度进行了验证。具体研究内容如下:（1）针对陀螺仪漂移、行人非线性运动及角速度积分运算导致的姿态误差,设计了一种基于扩展卡尔曼/无迹卡尔曼滤波算法的四元数姿态更新算法,利用载体坐标系下的行人重力加速度作为观测值实时校正行人姿态。并通过载体的姿态矩阵解算出导航坐标系下行人运动加速度,进而利用积分运算获得行人速度。（2）人体步态的多样性导致传统零速检测方法无法准确识别行人运动零速区间,提出了一种基于自适应阈值的广义似然比零速检测算法,通过在行人步态变化过程中动态调整零速检测阈值,可在不同步态环境中精确地完成零速检测。同时,设计了基于线性拟合的速度误差补偿方法,用于消除或降低行人连续运动中的速度累积误差。（3）开发了硬件系统并通过实验对所提定位方法的精度进行了验证。研究制作了仅包含单个IMU的小型化可穿戴无线定位模块,将STM32单片机作为控制单元,集成了IMU、蓝牙通信单元JDY-32、充电单元与稳压单元。对设计的算法进行了实验验证。实验结果表明,惯性定位算法在二维与三维空间中的相对误差小于3%,所提出的惯性定位算法相较于传统算法,在不同步态模式下具有更强的适应性。论文研究也论证了所提算法解决低成本IMU的累积误差问题的可行性和有效性。