基于MEMS惯性传感器的室内行人自主定位技术和系统近年来受到广泛关注。准确、实时识别行人在室内的运动状态和方式,对于提高惯性定位系统的精度具有重要的辅助作用。以此为背景,本文对基于多MEMS惯性传感器信息融合的室内行人运动模式识别技术开展了研究,所完成的主要研究工作包括:(1)深入分析了室内行人运动模式的主要类型和各种模式的特点,讨论了准确、实时识别行人运动模式所要解决的关键问题,结合室内行人惯性定位的应用背景,确立了基于足绑式MEMS惯性传感器的室内行人多运动模式识别的方案:行人单足足绑包含加速度计和陀螺仪的MEMS传感器,分别采集5种室内行人常规运动模式的足部惯性数据,基于足部运动的特点,对数据进行有效分割并提取特征,融合加速度计和陀螺仪的信息来进行运动模式的识别,以提高识别准确率。(2)构建了基于特征级融合的多传感器数据融合模型,结合应用背景确定了用于多传感器行人运动模式识别的特征量:7种加速度时域特征和6种陀螺仪姿态特征,讨论了各种特征量的提取方法和算法。(3)针对采用固定长度滑动窗口截取数据来提取特征量的传统方法存在的窗口长度选择困难、不同模式特征量差异不够显著、特征量的时间分辨率较低不利于运动模式实时识别的问题,提出了一种基于单步划分的数据截取和特征提取方法。由于足部运动的周期性,足绑式传感器获取的惯性传感器数据将呈现同样的周期性。基于这种周期性,将人体运动时的惯性传感器数据进行单步分割,再提取每个单步数据的特征,采用支持向量机进行运动模式的分类识别。分析表明单步划分法提取的不同模式下的特征对运动的表征力强、差异显著,在行人多运动模式切换识别中具有实时性。最后,设计实验方案对本文所提出的室内行人运动模式识别方法进行验证。结果表明:与一般的滑动窗截取数据并提取特征的方法相比,单步特征法能够显著提高行人运动模式识别的准确性,平均准确率提高了6.8%。同时,单步特征法识别行人多运动模式切换的实时性也明显优于滑动窗法。与采用单一的加速度计进行运动模式识别的方法相比,多传感器信息融合的方法更准确地实现了对室内行人日常运动模式的识别,识别准确率从93.27%提高到了97.74%。