针对足部微惯性行人导航系统出现故障或超量程的问题，本文研究了一种基于机器学习的行人步态识别与鲁棒自主定位方法。该方法利用支持向量机算法模型来识别各种传统步态类型。根据不同的步态类型，构建了不同的视觉几何群卷积网络、长短期记忆网络、(VGG-LSTM)网络的改进卷积网络、深度混合神经网络模型。在实时生成虚拟惯性测量分量的同时，降低了(VGG-LSTM)神经网络模型的复杂度。在此基础上，利用人体下肢运动学模型筛选训练样本，分别建立不同步态下行人下肢各部位之间的惯性信息映射模型，从而形成了一种基于系统重构的强鲁棒性自主定位方法
