在基于惯性导航的室内定位技术中,惯性传感器在采集数据过程和数据积分计算过程两个步骤都会产生误差,且误差随着时间而积累,从而造成定位产生严重失实。零速更新算法可以有效制止误差产生,在静止区间内估算误差值进而校正误差。而找到零速点就成为问题的关键。因而静止区间检测算法的性能就决定了基于惯性导航的室内定位技术的精度。传统的静止区间检测算法有:模值静止区间检测算法、加速度移动方差静止区间检测算法和角速度能量静止区间检测算法。但是传统的静止区间检测算法只是对于低速运动检测结果较好。但是对于运动速度较大的区间,静止区间检测结果则较差。因此,在本问中提出了基于隐马尔可夫模型的静止区间检测算法。在不同运动状态下陀螺仪Y轴变化趋势基本相同,根据Y轴的角速度输出可以将一个完整的走路或跑步周期划分为四个分割,每一个分割对应一个相应的运动状态。通过四个运动状态的转换关系构建隐马尔可夫模型,根据传感器数据观测得到分割结果,结合上一步运动状态估计出当前时刻运动状态,从而实现变速运动状态情况下的静止区间检测。然而零速校正算法并不能估计出陀螺仪的漂移误差,从而导致航向随时间积累不断漂移。此时就需要依靠室内地磁场对航向进行校正。然而,室内场景中地磁场会受到各方面比较严重的干扰,磁力计自身也存在一定误差,严重影响了地磁场辅助定位的航向校正效果。本系统提出一种磁场稳定状态检测方法,通过融合陀螺仪解算航向、地磁倾角和磁场强度的变化程度对磁场受干扰程度进行检测,提取稳态磁场解算的航向作为观测,结合扩展卡尔曼滤波辅助的零速更新算法(Zero velocity UPdaTe-aided Extended Kalman Filter,ZUPT-aided EKF),对陀螺仪航向进行滤波校正。利用本文所设计的惯性定位系统进行静止区间检测实验及航向校正实验,结果验证了本系统方法的有效性和可靠性,定位精度优于0.1%。