随着移动通信、微机电系统(MEMS)技术的的蓬勃发展,基于位置的服务(LBS)需求连年剧增。LBS被广泛应用在军事物流、仓储医疗、抢险救灾等领域。在室内,GNSS因复杂的室内环境难以进行准确定位。于是,被称为“位置服务的最后一厘米”的室内定位技术备受各大科技公司和科研机构青睐。WiFi,惯导技术是现有较为成熟的室内定位系统中主要运用到的定位技术。近年来,无线WiFi凭借部署广泛、成本低、扩展性强、实现简单倍受关注。在室内WiFi场景定位中,WiFi指纹被广泛采用。尽管WiFi指纹定位技术正不断被改善,但仍存在单点定位精度低,不够稳定的缺陷。PDR(pedestrian dead reckoning)定位技术在短时具有较高精度,无设备依赖性,普适性较强特点,但却存在随时间变化的累积误差缺点。针对上述两种常用定位技术中存在的问题,本文主要开展了以下研究工作:(1)在WiFi指纹定位部分,首先,为保证所构建指纹库的准确性,就RSSI信号处理部分,分析并确立了本文的信号滤波去噪方法。其次针对传统的基于BP神经网络室内WiFi定位算法存在着定位精度低和收敛速度慢的问题,考虑到室内无法使用信号强度衰减测距模型进行精确定位,提出一种改进的人工鱼群优化的BP神经网络WiFi指纹室内定位算法(IAFSA-BPWF)。利用群智寻优方法的搜索速度和能力,采用IAFSA-BPWF优化选取用于室内定位BP神经网络的初始权值和阈值,有效规避了传统BP神经网络中的预测值易陷入局部最优的缺点,同时建立了信号强度值(RSSI)与位置坐标的对应关系。实验结果证明本文提出的方法提高了WiFi定位的可靠性,算法具有更好的稳定性,平均定位误差为1.58m。可用于提高在PDR定位阶段的初始位置精度。(2)针对PDR中存在的累积误差,在PDR定位模块,就PDR定位中几种常见的步态检测算法、步长模型、航向角求解方法进行了深入分析,通过相关测试对比实验,确定本文所用的步频、步长及偏航角算法。此外,对室内特殊的地理位置如拐角、门、以及无线AP所在位置进行位置标记记录,建立地标数据库。这些改进修正减小了PDR定位部分的定位误差。(3)最后对WiFi指纹定位中的稳定性差、不能持续定位和PDR中累积误差问题,使用扩展卡尔曼滤波模型实现了WiFi指纹-PDR融合定位。并完成相应的实验环境的搭建,终端定位软件的开发及定位测试。实验结果表明:本文提出的融合定位方法可有效避免单独的WiFi指纹室内定位和PDR定位的缺点。优缺互补,最终可获取较高精度的位置坐标信息。定位轨迹与预定轨迹更接近。定位精度总体进一步得到提高。