多(彳圣)效是GNSS恶劣环境下的重要影响因素之一,近年来,GNSS领域研究者在抑制多(彳圣)和提高智能手机导航性能方面进行了广泛研究。但在某些恶劣环境中,由于GNSS信号无法到达,从而导致智能手机无法实现导航。本研究的主要目标是为在多(彳圣)环境下基于智能手机的行人导航提供一种精确的解决方案,在超低成本下实现更高精度的行人定位方案。利用低通滤波器对数据进行预处理,去除其中的高频噪声,使信号平滑。航向和步长估计产生的累积误差分别由平均累积航向误差(MCHE)和累积步长误差(CSLE)表征。最后,采用最优扩展卡尔曼滤波(EKF)算法实现GNSS和PDR数据的融合,并得到最终结果。方案的验证实验是基于智能手机上的微机电系统(MEMS)传感器,而无需额外的硬件,而且采用最新安卓版本的智能手机用于记录GNSS和MEMS传感器的数据文件。实验是在真实场景下进行的,行人步行的路线是具有三个垂直转弯的矩形线路。融合结果表明,本文提出的方法探索了在GNSS或PDR信息不可用时使用智能手机进行导航的多种情形。融合结果也与其他可用的导航解决方案进行了比较。另外通过大量的仿真,证实了本文提出的方法比现有算法更为可靠。