近十年,工业界和学术界对于行人导航系统的研究取得了长足的发展。即便如此,到目前为止,仍旧没有一套完整的解决方案被提出来可以使行人导航系统持续地、无缝地、稳健地工作在所有室内和室外环境中。在开放的室外空间区域中,全球卫星导航系统(GNSS)接收机是行人导航系统的可靠信息来源。然而,在众多的室内应用环境中,由于信号屏蔽和衰减等原因,GNSS接收机所提供的位置信息并不可靠或者根本无法输出位置信息。针对这一问题,本论文将重点研究如何利用多个消费类电子产品中的传感器、模块来搭建一套完整的、针对室内应用环境下的行人导航系统。首先,本论文提出了一种基于单个导航设备的行人导航系统解决方案。该方案由MEMS惯性传感器和WiFi信号接收模块搭建组成。为充分结合行人航迹推算(PDR)算法和惯性导航系统(INS)算法的优点,本论文介绍了一种PDR辅助INS(PDR/INS)的自包含行人导航算法。针对解决如何快速生成WiFi指纹数据库的问题,本论文介绍了一种节省时间、节省人力消耗成本的“走动测绘”方法进行WiFi指纹数据库的生成;针对解决WiFi指纹识别在线导航阶段所存在的WiFi模糊性问题,本文提出一种基于多重阈值判断的改进K最临近算法(KNN),该算法在很大程度上降低了“WiFi模糊性”问题,提高了WiFi指纹识别算法的定位精度。为充分发挥WiFi指纹识别算法和PDR/INS算法的优势以提高行人导航系统的可靠性,本论文给出了一种WiFi辅助PDR/INS(WiFi/PDR/INS)的导航定位算法。然后,本论文研究了当多个行人导航系统同时工作时,且每个导航系统独立运行在各自导航设备上时,如何挖掘多个导航设备之间的约束关系并利用该约束关系以提高每个导航系统的定位精度。本论文采用的多系统之间的约束信息是:任意两个导航系统之间的空间距离关系小于或者等于一个最大值。将该约束关系进行公式化描述后,本文将求解最优导航状态问题转化为“状态约束卡尔曼滤波(KF)问题”。针对这一问题,本论文推导并提出了两种不同的解决方案,即软约束算法和硬约束算法。软约束算法将非线性的空间距离约束进行线性化后得到的结果作为卡尔曼滤波量测方程,从而采用标准卡尔曼滤波方式进行导航状态的估计;硬约束算法将问题转化为求解二次规划(QP)问题,采用极大似然估计的思想求解最优状态估计值。仿真结果表明硬约束算法优于软约束算法,然而,采用硬约束算法获得的导航性能的提升是存在代价的,即计算复杂度的提高,因为解决二次规划问题有较为复杂的计算流程。最后,本论文设计并进行广泛的室内综合测试以对比、验证本论文所提出的行人导航算法及其不同组合方式的可靠性、可行性。试验结果表明当利用WiFi辅助和本论文提出的约束算法对三个导航系统进行组合时,整体来看通过该方案所得到的每个系统的定位性能最优,定位误差RMS可以保持在较小水平。