行人导航定位技术作为近些年导航技术发展的主要领域,逐渐被重视和研究。近些年来,基于惯性技术的行人定位方法趋于成熟,取得了良好的效果。但是由于惯性导航系统易积累定位误差而影响其性能,因此基于多传感器辅助的行人定位技术成为未来主要发展趋势。论文围绕足部安装的惯性导航系统(Inertial Navigation System,INS)和躯干安装的视觉/惯性组合导航系统(Visual/Inertial integrated Navigation System,VINS)的定位问题展开研究,重点研究了基于深度学习的微惯性行人导航定位方法,并且研究了上述两个行人导航系统相互辅助,共同提高行人定位精度的方法。首先,本文研究了基于惯性测量组件(Inertial Measurement Unit,IMU)足部安装方式的微惯性行人导航系统。该系统以捷联惯性导航为主提供导航信息,通过足部运动信息进行零速检测触发基于卡尔曼滤波的零速修正(Zero Velocity Update,ZUPT),补偿导航系统误差,实现了一定精度的导航定位功能。其次,针对行人足部安装的惯性导航系统容易出现故障或超量程的问题,本文进一步研究了一种基于深度学习的行人步态识别与鲁棒自主定位方法。该方法采用支持向量机(Support Vector Machine,SVM)算法模型对行人的多种常规步态类型进行识别,根据不同的步态类型构建不同的深度学习模型,进而在足部惯性系统故障情况下构建虚拟惯性测量组件(Virtual Inertial Measurement Units,VIMU),形成了一种基于惯性导航系统重构的强鲁棒性自主定位方法。最后,针对IMU足部安装方式的微惯性行人导航系统的航向角误差较大的问题,本文研究了足部惯性信息辅助的视觉导航定位方法。首先,本文研究了躯干安装的视觉/惯性组合导航系统工作原理。其次,针对微惯性行人导航系统的航向角误差无法修正的问题,本文研究了一种在某种行走方式下使用视觉/惯性组合导航系统的航向角修正足部惯性导航系统的航向角的方法。针对视觉/惯性组合导航系统中的惯性测量组件器件误差较大的问题,本文通过卡尔曼滤波器估计并修正其器件误差,使其能够适用于低成本惯性测量组件。最后在不同真实场景中对微惯性行人导航系统和视觉/惯性组合导航系统进行验证。