通信技术的飞速发展和智能设备的广泛普及极大地促进了基于位置服务(Location Based Service,LBS)相关业务的增长,作为LBS基础的定位技术也得到了快速的发展。以GPS为首的卫星定位导航系统已能提供连续、准确的位置信息,但在相对密闭的室内环境中,卫星信号在传播过程中容易受到墙壁等多种障碍物的遮蔽,为室内环境下精准的定位服务带来了新的挑战。目前已有的室内定位解决方案中,基于惯性传感器实现的行人航位推算(Pedestrian Dead Reckoning,PDR)技术因其不受外界环境的干扰、无需布设基础设施等优势,表现出良好的应用前景。现有的智能手机大多内置包含惯性传感器在内的多种传感器,通过智能手机内置传感器实现室内定位技术具有较高的科研价值和实用意义。已有的研究大多通过固定智能手机的握持姿态和对应的定位算法实现行人移动轨迹的描绘,但在现实生活中,智能手机会具有多种不同的握持姿态,并且在移动过程中存在随机转换,为了有效提高室内定位技术的实用性,研究适用于多种智能手机持握姿态的室内定位技术就显得尤为重要。现有的大部分智能手机运行Android操作系统,本文以基于Android系统的智能手机为硬件设备,首先对智能手机持握姿态的识别方法进行了研究。针对行人持握智能手机的五种姿态,在不同姿态下,采集加速度传感器及陀螺仪的数据信号并进行特征分析,利用优化的支持向量机训练获得多姿态分类模型,进而实现了行人移动过程中持握姿态的准确识别。其次,对PDR算法的三个部分,即步数统计方法、步长估算方法、航向估计方法分别进行了研究。针对步数统计方法,提出了姿态相关的峰值检测计步法,通过对不同姿态加速度变化特征的分析,选取能够反映当前姿态行人运动规律的加速度分量进行计步检测,在此基础之上加入动态阈值判定条件,从而实现了多种持握姿态下高精度的步数统计。针对步长估算方法,通过线性回归的方式建立了步频-步长关系模型。针对航向估计方法,研究了基于卡尔曼滤波的多航向角融合算法,有效提高了航向估计的精度。最后,集成所设计的PDR算法,搭建了基于多姿态识别的室内行人定位系统,通过将定位系统描绘的行人移动轨迹与真实轨迹相比较,对各部分算法及系统的定位精度进行了评估与分析。实验结果表明,通过所设计的基于支持向量机的姿态识别方法,持握姿态识别的准确率可高达96.82%;对于步数统计方法,固定姿态下的计步精度可高于96%,多姿态下的计步精度高于95%;对于步长估算方法,不同持握姿态下20步距离估算误差低于10%;对于航向估计部分,90%的样本误差在35度以内。本文所提出的多姿态行人航位推算算法可有效提高室内定位的精度,具有较高的实用价值。