得益于半导体技术的发展,众多微型传感器已广泛集成于智能手机中,使得基于智能手机的行人导航定位技术受到越来越多的关注。然而,低成本智能手机IMU以及行人可能存在的复杂运动状态,无疑给实现高精度的行人惯性导航定位带来巨大挑战。为此,本文借助目前普及率较高的智能手机展开基于复杂运动状态下的行人室内高精度PDR定位算法的研究。开展的工作包括但不局限于以下内容:阅读与室内定位技术相关的文献,对国内外行人惯性导航目前的发展现状进行归纳和总结。目前行人惯性导航技术,主要分为了基于鞋绑式零速更新算法和基于腰绑式行人航迹推算算法。鉴于本文利用现今普及率高且内置丰富MEMS惯性导航器件的智能手机作为定位平台,因此主要以腰绑式PDR算法为基础对行人室内惯性导航定位技术开展研究。针对现有智能手机内置IMU器件测量精度较低、稳定性较差等问题,本文对IMU器件进行了误差分析及校准。采用Allan方差法分析陀螺仪的随机误差。通过对加速度计静止数据进行数据统计分析,并结合零偏置校准法完成加速度计的校准。借助椭球拟合法观察磁力计存在的磁干扰现象并进行零偏校准。针对目前行人惯性导航技术中人体运动状态分类不完善和运动状态识别精度不足问题,提出一种人体运动状态识别算法。该算法通过移动均值滤波法对MEMS采集数据进行数据滤波处理以减小由于低廉的智能手机IMU器件带来的较大噪声,然后提取并分析加速度数据的常见时域特征和本文中提到的自定义特征,并筛选出有效特征项。再基于SVM多分类器和KNN分类实现较高识别率的人体运动状态识别,并综合不同大小的样本集合进行分类效果对比,提出一种基于行人运动规律的相邻步态约束算法实现对错误分类结果的运动状态有效修正,最终实现高精度的人体运动状态识别。针对传统PDR算法对行人多运动状态适应性的不足,提出一种行人多运动下自适应的PDR（MMMA-PDR）算法,以及一种改进的单峰值检测法和零点搜寻法完成行人多运动下的高精度步态检测。针对步态检测对步频估计的局限性,提出一种基于动态时间规整（DTW）算法的高精度步频检测算法;针对行人多运动下步长难以准确估计的问题,结合线性/非线性步长估计模型及行人不同运动下单步有关数字特征,提出一种改进的自适应步长估计算法实现高精度的步长估计;通过改进的卡尔曼滤波算法完成航向角估计值的融合滤波,并提出基于行人转身速度的HDE（SHDE）算法完成航向角的准确修正。基于运动状态识别结果对PDR位置估计方法进行改进,实现二维平面内行人多运动状态下的高精度导航定位。