室内定位需求在位置服务及其应用方面迅速增长。将姿态和航向信息与室内定位方法相结合是对室内定位一种很好的补充。基于微机电系统(MEMS)惯性测量单元(IMU)和磁力计的精确姿态和航向估计研究,以其高可用性和独立性,受到了越来越多的关注。智能手机内置IMU和磁力计传感器具有低成本,精度不高等特点,噪声参数易受外界环境的干扰发生改变,为了更准确估计传感器噪声参数,论文将渐消记忆因子和限制记忆因子加入到自适应容积卡尔曼滤波(ACKF)算法中,用来估计智能手机的姿态和航向。在这个算法中,由陀螺仪测量数据解算出的四元数被用来构建滤波器的状态向量,而通过加速度计和磁力计读数计算出的欧拉角则被用来建立滤波器的观测向量。在滤波过程中,为了对非线性系统的统计特性进行自适应修正,减小滤波估计偏差,先利用渐消记忆加权法对非线性系统的统计特性进行估计,再利用限定记忆加权法对非线性系统的统计特性进行估计和修正。通过增加最新历史观测数据的权重,减小陈旧的数据权重,提高滤波估计的精度。此外根据行人步行的特性,采用最近的一步数据作为限定记忆加权法的记忆窗口数据。通过实验验证了所提出算法的性能,实验结果表明,与传统的容积卡尔曼滤波、扩展卡尔曼滤波和无迹卡尔曼滤波相比,所提出的算法可以有效地提高姿态和航向的估计精度,同时利用该算法获得的估计结果更加平滑。