随着无线通信技术的飞速发展,无线定位技术已经在各个领域扮演了重要角色。近几年,移动互联网催生出了一大批基于位置的服务,使无线定位成为了一个研究热点。为了提高无线定位的精度和鲁棒性,本文在研究和改进了几种无线定位技术的基础上,提出了多传感器融合定位技术,旨在充分利用多种传感器数据,取长补短,从而搭建一个比传统单一无线定位更稳定可靠的定位平台。本论文主要研究的内容分为以下三个部分:首先,提出了基于SVM(Support Vector Machine)分类和回归的WiFi室内定位方法。本方法首先将室内区域划分为多个小的区域,通过对三角定位原理进行改进,在无须事先明确参考节点位置的情况下,建立每个区域RSSI和位置的非线性关系,再利用SVM强大的分类和回归能力来实现定位。其次,在手持设备上实现行走航位推算。通过对人体行走模型进行分析,明确了行走过程中加速度变化和行走计数及步长计算的关系,通过将传感器加速度进行三维坐标投影和分解、使用SMA(Simple Moving Average)算法对数据进行平滑及参考分界值及参考阈值等参数的动态设置,减小了干扰数据对行走计数和步长计算的影响。最后使用卡尔曼滤波器进一步提高了传统步长计算算法的性能,确保了整个定位系统能够在普通的手持设备上实现。最后,基于多传感器融合技术,实现多传感器数据融合定位。通过对人的运动进行建模,再使用联邦卡尔曼滤波器对WiFi定位结果和行走航位推算结果进行有效的融合,从而搭建一个比单传感器定位更有效的定位平台。