随着通信互联网与人工智能领域的到来,全球的数据总量呈现出指数级增长,因此通信互联网中产生的信号积存数据同样面临着如何存储、分析、处理与应用等问题。基于上述海量数据,传统的数据处理方法已不再适用。而目前,大数据处理与分析、人工智能（机器学习算法和神经网络技术）越来越成熟,并应用于各行各业中。如今,室内行人的定位、行动轨迹估值与预测是基于无线信号传输、大数据处理与人工智能相融合的一个重要方向,原因在于在高楼林立的商场、火灾现场等缺乏卫星信号或卫星信号较弱的地方,行人的定位与轨迹预测能有效提升判断人员的准确位置以及未来的行进路线。这样有利于实时判断行人的位置并在商场提供更好的服务,或在灾难现场协助救助人员判断受困人员的位置,从而追踪其动向。近些年来,室内行人的行迹分析与预测持续升温,该领域涉及信号数据的获取、存储、处理、分析、建模、测试与结果预测等一系列复杂环节,国内外研究人员相继针对各环节都有提出各类解决方法与相关技术,但是缺乏完整和有效的机制来进行全流程处理。因此,本论文基于固定在行进人员身上的惯性传感器实时测量行人的运动数据,将数据传输至后台系统进行保存与整理,利用大数据技术对相应的数据进行处理（例如平滑、去噪、填空值等）,调用相应的机器学习模型和算法对处理好的数据进行模型构建,对已有数据进行训练和学习,并将训练好的模型进行保存,再对行人新的行进数据进行拟合,进而预测行人未来的运动轨迹。本论文主要完成以下工作:（1）基于蓝牙式室内人员运动数据的获取、传输与存储考虑到人员行进过程中肩部位置较为平稳,本论文将惯性传感器绑定在人员的肩部位置,基于蓝牙技术将行人行进过程中的加速度和转向数据实时传输至手机中,并进行存储。（2）室内人员静态、直线前行、转动数据的处理与分析由于信号数据在传输过程中存在噪音等各类因素的影响,因此有必要对信号数据进行相应处理以达到数据可用水平,本文将利用大数据处理与分析技术对数据进行去噪、平滑、填充空缺值、删减等一系列处理。（3）对行人行为轨迹进行建模并预测未来人员的行进位置针对所处理好的数据,利用机器学习类算法（主要采用逻辑回归、随机森林算法）对行人行为轨迹进行建模,并预测人员未来的行进位置,对模型和结果进行测试与校准,以便达到相应的准确度和可用水平。本文针对上述研究成果,进行相应的整理与总结,为该领域研究提出未来的展望与规划。