随着移动互联网技术的发展与普及,智能设备已经成为人们日常生活中必不可缺的部分。借助于这类移动通讯设备提供的定位导航能力,基于位置的服务也逐渐衍生出巨大的研究价值和商业价值。基于用户的实时地理位置,可以实现更精准的广告投放、信息搜索推荐及提供其他相关基础服务。GNSS系统在室外开阔场景能够提供高精度的定位结果,但是并不适用于室内或对信号有遮挡的区域。Wi-Fi室内定位技术由于其低廉的成本以及Wi-Fi接入点的广泛部署,成为十分流行的室内定位方式,但是Wi-Fi信号在复杂的室内环境中稳定性较差,并且存在信号随时间衰减的问题。具有内置微机电系统惯性测量单元的移动设备可以提供用于跟踪不同类型环境中行人的自主解决方案。这类方式的开销更低且不依赖外部环境,所使用的数据都来自于设备内嵌的传感器。经典PDR系统定位结果相对稳健可靠,但是由于依赖计步器算法性能及难以优化航向精度,改善提升结果较为困难。与基于行人步伐航向累计的经典解决方案相比,本文基于惯性导航系统构建了可扩展的扩展卡尔曼滤波误差模型,并通过维护速度、位置及姿态误差来校准当前设备的相应状态。零速更新、重力更新及步长位置更新等经典模型被用于观测。此外利用一种新颖的基于人体运动模型的步速观测方程获取速度量测值。研究提出了一种使用相对静态磁场检测的自适应航向估计算法。为了减轻地磁波动的影响,该算法采用了双向卡尔曼滤波算法。首先利用最优平滑算法获得历史状态值序列,之后自适应地调整噪声参数并正向递推以重新估计当前的姿态状态。与基于计步器的行人航位推算的解决方案不同,本文构建的误差模型系统包含更多的过程状态信息,这意味着它更加灵敏和扩展能力强,并且状态间的隐含约束有利于提升模型的稳健性。实验结果表明,准静态磁场检测算法在各类的复杂场景下都具有可用性,应用的实验结果符合预期。此外实验中对比了所提出的航向估计算法与相关经典算法的性能,结果显示论文提出算法产生的误差值更小且更稳定。在实验室与实际商城内进行的位置跟踪实验结果也体现出系统在灵活性和准确性方面都优于传统基于步长航向的PDR系统,算法具有实际的应用价值与前景。