近年来,利用地磁场作为位置指纹的室内定位技术显示出其独特的优越特性(如无需基础设施、精度高、稳定等),逐渐成为研究的热点。在众多基于地磁场的室内定位算法中,粒子滤波算法被认为是最有前景的定位算法之一,被用来解决地磁指纹唯一性不高、传感器偏差或噪声等问题,并提高定位精度。但是,现有的基于粒子滤波算法的地磁室内定位系统一方面容易被行为模型误差影响,导致定位误差大且容易失效,系统可靠性不高,另一方面定位时对手机的使用有非常强的限制,如手机方向必须和用户朝向始终保持一致,从而给实际应用带来诸多不便。本文提出了一套完整的构建基于智能手机平台的地磁室内定位系统的解决方案,其核心是我们改进的一个可靠性增强的粒子滤波算法,该算法在传统粒子滤波算法的各个关键环节(包括行为模型,观测模型和重采样算法)加入了多项创新,显著提高了粒子滤波定位算法的鲁棒性和可用性。本文的主要贡献和创新点在于：1.本文采用粒子滤波算法应对地磁信号作为位置指纹的不足,分析了实际中用户行为噪声对整体定位算法的影响,在此基础上,指出了粒子滤波算法在进行地磁定位时三个有待优化的关键步骤,建立了系统的宏观结构。2.提高系统定位精度和鲁棒性。为了减小行为模型中的误差,提高系统的鲁棒性,我们提出了一个动态步长估计算法,实时精确估算用户步长和一个动态卡尔曼滤波算法,用来更精确地测算手机朝向的变化。在观测模型中,我们提出了一个混合地磁指纹匹配模型,它通过融合地磁密度指纹匹配模型和HV指纹匹配模型显著提高了定位算法的性能。3.提升系统灵活性和用户体验。观测模型中提出的利用磁场强度变化率的匹配模型效避免了校准不同手机磁强计的偏差,提高了系统的易用性。改进的粒子滤波算法的行为模型和观测模型都是独立于手机的朝向和姿态的,所以定位时,不再需要限制手机朝向。重采样算法中,我们提出了启发式重采样算法,有效解决了朝向偏角(手机朝向和用户朝向的夹角)变化引起的机器人绑架等问题,从而更进一步放宽了对手机使用的限制,使得用户定位过程中,可以随意使用手机做其他事情。4.增强系统的整体可用性。为了降低粒子滤波算法的计算负载,我们提出了分批递进重采样算法,根据需求动态改变粒子数量,降低服务器计算成本。最后,我们还通过实验分析总结了易引发“机器人绑架问题,,的几种场景和对应的传感器模式,并提出了相关识别算法,当检测到这种状态时重启定位算法。本文通过大量的实际场景中的实验全面评估了我们的地磁定位系统的性能,结果表明该系统在大型的室内场景中平均定位精度是1-2米。