室内行人导航能在复杂封闭的室内环境下为行人提供精确的位置导航服务,其研究价值日益突显。论文针对行人导航存在的问题,从惯性多传感器融合方向对室内行人导航方法展开研究,主要研究内容有以下几个部分:论文首先阐述了行人导航的相关理论技术基础。其中,对行人航位推算（Pedestrian Dead Reckoning,PDR）基本技术架构进行了说明,对关键的捷联惯性导航系统（Strapdown Inertial Navigation System,SINS）进行了理论论述,介绍了多传感器融合算法,重点对卡尔曼滤波算法进行了概述。针对全球导航卫星定位系统在室内行人导航应用中性能表现差,无线传感网络室内定位成本高昂等问题,研究了一种仅依靠陀螺仪、加速度计等惯性传感器信息的多传感器零速融合室内行人导航算法。该算法先通过SINS方法和零速步态检测算法对获取的陀螺仪和加速度计数据进行处理,得到行人的姿态、速度、位置等导航信息以及行人零速步态信息。而后,通过零速融合策略思想,利用扩展卡尔曼滤波算法融合零速信息和SINS方法的行人导航信息,使得整体室内行人导航定位精度得到改善。最后通过实验验证了该方法下室内行人导航系统的性能。针对采用卡尔曼滤波方法进行室内行人导航数据融合时精度较低的问题,提出了一种基于秩卡尔曼融合的室内行人导航算法。在PDR架构下的零速融合策略中引入秩卡尔曼滤波技术,室内行人导航系统非线性和非高斯噪声问题引起的误差在秩卡尔曼滤波及其采样机理的作用下能得到较好的抑制,利用所提算法对行人运动中测得的惯性多传感器数据进行融合处理,能够实现更加精确的室内行人导航。最后实验结果表明,该算法相对于采用扩展卡尔曼滤波方法的零速融合PDR算法有了一定的提高,使得室内行人导航定位误差减小了约18.91%。