随着21世纪信息化时代的到来,人们工作和生活的范围不断扩大,全球定位系统(Global Positioning System,GPS)的出现和发展有力地推进了人类工业生产和生活的进步,但GPS信号在复杂的环境中容易受到物体的遮挡,特别是在室内环境中,GPS定位精度迅速降低,甚至可能发生失锁。为了满足人们日益增长地对室内高精度位置信息的需求,室内定位逐渐成为一个研究热点。针对复杂的室内环境,本文研究了室内行人定位。首先,分析了几种常见室内导航技术的性能。通过分析可以看出,单一导航技术一般都会存在某些缺点,难以满足持续高精度定位需求。为了克服上述问题,本文提出了超宽带识别技术(Ultra Wide Band,UWB)/惯性导航系统(Inertial Navigation System,INS)组合定位方法,充分利用了UWB抗干扰和穿透能力强以及INS能够自主导航的优点以获取持续稳定的导航信息。基于INS/UWB组合定位系统,本文对松、紧两种组合定位方式进行了研究。对于松组合定位方式,将INS测量到的目标行人的位置与UWB测量到的目标行人的位置作差并作为观测向量,然后通过卡尔曼滤波器处理数据。虽然松组合定位方式易于实现,但在数据融合过程中容易引入子定位系统的位置误差。为了解决这个问题,本文研究了INS/UWB紧组合定位方式。在该方式中,用INS和UWB技术测量的目标行人和参考节点的距离差作为观测向量,并且通过卡尔曼滤波器预测和估计行人的位置。需要指出的是,虽然上述方法能够提高定位精度,但是卡尔曼滤波器的预测估计依赖于噪声统计特性的精度,而在实际应用环境下,噪声统计特性精度难以准确获取。为了提高数据融合算法的鲁棒性,本文提出将有限脉冲响应(Finite Impulse Response,FIR)滤波器用于INS/UWB松、紧组合定位的数据融合算法中。定位模型在一定的条件下,FIR滤波器的定位精度只受滤波窗口长度的影响。为了提高定位精度,选出当前时刻最优的滤波窗口长度,本文提出了自适应的FIR滤波器,通过计算马氏距离获取当前时刻的最优滤波窗口长度。与此同时,为了验证上述算法的性能,本文搭建了INS/UWB组合定位实验平台,开发了上位机软件,对实验数据进行采集和保存。通过半物理仿真实验可以得出紧组合的定位精度优于松组合,FIR滤波器的鲁棒性优于卡尔曼滤波器,自适应FIR滤波器算法在实际环境中可以有效提高定位精度。