近年来,随着大数据、物联网的迅猛发展,基于个人导航的定位服务在军事、商业、科学等领域也受到了广泛关注,成为了目前导航与定位研究的主要方向,并且随着MEMS惯性器件越来越微小化、集成化,基于MEMS的个人导航受到了广大学者的青睐。众所周知,使用GPS进行定位,很大程度上受到环境的限制,在隧道、森林、室内等环境下常常无法提供服务,然而INS不受环境的影响能够实现自主定位,但随着导航时间的增长INS常常会带来位置和航向的累积误差,使导航系统变差。本课题为了较好实现行人的定位与导航,采用荷兰XSENS的MTI-G-700作为主要研究对象,研究了基于MEMS-INS/GPS组合的个人导航系统,适用于在城市密集区域、商场、小区等场所的单兵、警察以及从事高危险工作的消防人员等,用来提供行人比较准确的位置信息,以更好地为定位人员提供安全保障,此外在高级住宅区、养老院、监狱等场所个人导航系统也能发挥导航与定位的功能。为了抑制INS误差随积分效应的增长,根据人的步态特征规律提出了一种基于行人的多步态零速检测方法,对上台阶、下台阶、爬坡、走、跑等多种步态模式都具有较准确的零速检测效果。在零速时刻,采用卡尔曼零速修正算法对误差进行估计,并实时地进行反馈校正。当GPS有效时,采用UKF的方法进行INS/GPS组合导航,分析和对比了EKF和UKF的滤波效果,同时由于航向角在卡尔曼零速修正阶段不可观测,无法对误差进行修正,此时在直线行走阶段利用GPS的位置信息进行航向解算,来修正累积的航向误差；当GPS无效时,为了避免航向漂移,利用Google Earth获得建筑物外轮廓信息,经过Mapinfo进行矢量化后获得建筑外轮廓的航向信息,在直线行走阶段利用建筑物外轮廓解算的航向信息来抑制航向角的漂移。将MEMS传感器MTI-G-700捆绑在鞋面上,在校园内多个场所以及楼内进行试验,通过大量试验验证了本文导航算法的有效性。实验结果表明,多步态零速检测在爬坡、楼梯、走、跑等条件下都具有较好的零速检测效果。在组合导航的过程中,UKF优于EKF。利用建筑物辅助的方法航向漂移得到了有效的抑制,在900m范围内的导航实验中定位精度达到0.3%以内。