随着经济的快速发展和城市化的不断推进,越来越多大型建筑场馆的出现在给人们生活带来许多便利的同时,也埋藏了不少的安全隐患。如何在意外险情发生情况下,帮助人群脱离危险建筑,或是协助消防人员在室内建筑实施抢险救灾时获取自身位置信息,成为了亟待解决的一个问题。目前,市面上的室内定位解决方案多针对2D定位,即完成同一平面的定位,无法切实满足上述室内定位的需求。而面向3D定位的解决方案往往需要和基础设施提供的外部信号配合使用,如Wi-Fi、Zigbee、射频信号等,在突发的紧急情况下将无法使用,因此基于惯性传感器的室内导航定位方式便成为首选。行人在室内的运动往往具有随机性,步态的变化将导致普通的惯性导航定位采集的加速度数据失真,影响定位精度。不仅如此,惯性传感器因为加速度计累积误差的影响,在高程的解算一般与实际位置相差很大。针对上述问题,本文进行如下研究:（1）针对行人在室内运动具有多步态,导致加速度变化,使得普通零速修正无法准确检测不同步态的零速时刻问题。提出多步态识别算法:利用改进的K-means聚类方法对步态数据进行聚类,识别出不同的步态。（2）对已识别不同的步态,通过分析对应惯性数据特性,采用不同的零速检测方法获取当前运动状态的零速时刻,使系统正确地完成零速修正,以此提高定位定位精度。（3）针对加速度计实现高程解算精度过低的问题,在定位系统里加装了小型气压计,获取实时气压数据,通过气压数据计算的高度与加速度数据计算的高度获得高度误差参数,并在定位系统中通过高度误差修正高度信息,提高高程的定位精度。最后本文通过设计的数据采集存储系统,进行了一系列相关实验,对上述算法进行验证。该系统能避免研究人员在实验时因为要保持惯性设备与笔记本电脑的连接实现数据的传输而导致动作的变形,因而无法获取准确实验数据的问题。实验结果表明,本文提出的改进方法,有效增强了定位系统的适应性,有着较高的定位精度。对面向包括灾害救援在内的室内定位需求有着较好的应用前景。