在21世纪的今天,随着科技的不断进步,人们对准确获得位置信息的需求不断增大。现如今定位方式大致分为室外定位和室内定位,目前室外定位已经发展的非常成熟。GPS(全球定位系统)和BDS(北斗定位系统)之类的GNSS(全球导航卫星系统)在日常生活中被广泛使用,它们能大致满足人们的室外定位需求。但是在空间更加狭小,情况更加复杂的室内,GPS信号由于建筑物的遮挡,信号极弱,无法实现定位功能。但是人们大多数情况下都是活动在室内,例如在大型购物广场,机场,医院,停车场等场所,这样的生活方式使得人们对室内导航定位的需求不可避免的增加。现如今室内定位方式大多采用一些新技术,比如蓝牙,无线射频识别,和行人航迹推算等等,但是在不同的环境对不同的技术有着或多或少的制约。本文应用了一种改进型惯性定位算法,基于使用行人航迹推算PDR(pedestrian dead reckoning algorithm)算法时,手机自带传感器定位精度低,性能差,稳定性低等缺陷,做出一系列改进。首先通过建立卡尔曼滤波模型对移动终端内置的多源传感器数据进行处理可以得到可靠的数据,但该方法取决于传感器性能,性能差的手机定位效果差。所以,如何利用本地技术来确定人员或物体的位置信息便成了一项挑战。接下来通过地图匹配辅助的A-star算法对行走路径进行预测,解决路径多拐点与搜索时间过长等问题,使其获得最优路线。其次在传统PDR算法三部分(步数检测、步长检测、方向判断)求解的基础上。利用卡尔曼滤波算法与动态阈值判断法相结合去判断行走步频,之后提出一种基于拍照测量步长并且将步长值传入导航界面动态判断行走步长,并且提出对方向数据进行梯度化处理,解决方向不稳定的问题。再次利用区域划分法,对行进中的轨迹误差进行调整,解决粒子穿墙问题,使航迹更加圆滑,精度更加准确。最后编写手机APP界面,使室内惯性导航功能在手机平台上实时运行成为可能。实验结果表明,该改进型算法消除了误差过大造成的定位不准确等问题,增强了定位的稳定性和精度,且路线轨迹更加平滑,使得惯性定位成为一种可行的定位方式。