室内行人定位技术已被广泛用于商业、交通和安防领域,与其他技术(例如基于Wi-Fi或UWB)相比,基于惯性测量单元的惯性导航系统,不需要外部基础设施且成本较低。但是,其存在的主要问题是,误差的迅速累积会严重影响定位精度。现有的基于惯导的室内定位技术已经逐渐降低了累积误差的影响,但在定位精度和成本上仍然面临若干问题。本论文提出一种基于惯导的高精度低成本室内行人定位算法,仅使用加速度计和陀螺仪传感器,在现有算法的基础上,利用行人步态速度和步数信息等,实现高精度低成本的室内行人定位。论文首先介绍了惯性导航系统的基础知识,包括惯性传感器原理与噪声分析、惯性导航原理及其应用等,重点讲述了如何在惯导系统中降低惯性传感器误差对精度的影响,为论文提出的高精度低成本室内行人定位算法提供了理论基础。随后,论文从惯性导航系统常用的卡尔曼滤波算法入手,介绍了室内行人定位技术的发展,分析了现有技术的优缺点,包括在定位精度和系统成本方面的问题,从而引出本论文提出的高精度低成本室内行人定位算法。接下来,论文详细阐述了提出的基于步态速度检测和自适应参量更新的室内行人定位算法。通过检测行人的步态速度并自适应更新卡尔曼滤波算法中的多个参量,包括陀螺仪的误差、零速更新算法中的阈值等,从而提高在不同步态速度下的定位精度。同时,通过基于卷积神经网络的人工智能技术,提高了步态速度的检测的准确率。该方法在仅使用加速度计和陀螺仪的情况下,达到了较高的水平定位精度。然后,针对垂直定位精度问题,论文详细阐述了提出的零高度更新算法、上下楼高度估计和轨迹追踪算法,通过更新零速区间时行人的高度坐标,提高了垂直定位精度。同时,通过行人步数检测,结合阶梯高度的先验知识,提高上下楼高度估计和轨迹追踪的精度。该算法与前述的基于步态速度检测和自适应参量更新的室内行人定位算法相结合,提高了整体定位精度,闭合误差达到0.11%,距离误差达到0.15%,高度误差达到0.32%,优于现有的基于惯导的定位算法,实现了高精度低成本室内行人定位。最后,对论文各个章节的内容进行了总结,并分析了提出的算法的不足,对下一步的工作进行了展望。