基于室内位置的服务在如今社会中表现出了更加重要的意义,如可用于反恐救援、室内导航等场景。然而依靠纯粹惯性导航技术的室内定位由于其快速的误差累积,会导致定位迅速失效,无法满足现实需求。因此论文基于惯性导航技术,配合多传感器数据融合减少累积误差,来实现可靠有效的室内定位。论文详细描述了惯性导航系统基本理论,并对定位所使用的传感器件进行了功能原理与误差模型的相关介绍。文章基于卡尔曼滤波算法进行数据融合,对卡尔曼滤波的原理、推导过程以及算法执行流程进行了归纳阐述,并引出适用于本文非线性系统的扩展卡尔曼滤波器。随后论文针对行人轨迹推算中采用的零速更新方法,介绍了几类固定阈值零速检测法,并针对其弊端提出动态阈值零速检测,帮助实现多步态下的准确零速检测,进而提高轨迹推算的精度。此外,对于步伐期进入零速期期间由于误差估计不准确导致的轨迹毛刺现象,论文采用了一种步伐期平滑处理算法,减缓轨迹毛刺,促使重构轨迹更加平滑且符合实际。针对零速更新方法中存在的高度与航向长期漂移问题,论文随后提出融合多传感器数据辅助定位,以气压数据、地磁数据、直线行走与建筑走向识别为依据对定位系统进行了改进。基于气压数据判别上下楼动作,识别当前楼层,进而估算高度误差减少高度漂移;利用地磁数据解算航向作为参考航向,结合论文提出的磁畸形判别算法滤除受干扰的畸形地磁数据,得到有效参考航向,并以此估算系统当前航向误差,减少航向漂移;利用直线行走与建筑走向识别这一伪传感数据帮助获取参考航向,并与地磁数据结合共同参与解决航向长期漂移问题。最终经过多场景实验表明,本文室内定位系统实现了有效高精度的室内定位,闭合路径三维定位误差百分比达到0.39%。最后,基于Android平台,在已有算法的基础上,论文设计并实现了一款室内定位监测平台,给出了平台各部分功能的设计实现及其UI界面,实现了实时绘制行人定位轨迹。