随着信息技术的迅猛发展,人们对于基于位置服务的需求越来越高,不再满足于以GPS为代表的室外定位,而对室内定位提出了更高的要求。在室内定位技术领域中,基于Wi-Fi的室内定位技术和基于惯性传感器的室内定位技术一直以来都被研究人员看好。近年来,Wi-Fi信号覆盖范围呈指数增长,使得基于Wi-Fi的定位技术的成本进一步降低。基于惯性传感器的定位技术拥有可拓展性强、可实时追踪目标位置等优点,如今,智能手机高度普及,并且大部分智能手机都内嵌了各种传感器,这让基于惯性传感器的定位技术实现更方便、成本更低、更易推广,也受到越来越多的关注。传统的基于Wi-Fi的室内定位技术易受到复杂的室内环境的影响,甚至连室内行人的走动也会因为阻挡信号,使得采集数据变得不准确,影响定位精度。而传统的基于惯性传感器的室内定位技术得到的是相对位置坐标,这样会造成误差累计,以至于难以达到预期的定位精度。鉴于室内定位具有环境复杂、精度要求高的特点,本文研究了一套融合了WLAN和惯性传感器的室内定位的方案。主要研究与设计内容有:(1)先对路径损耗模型和概率分布模型进行分析并设计,确定其中的算法参数和流程图,再通过智能终端结合应用服务器服务的方式实现了Wi-Fi定位技术中的路径损耗模型和概率分布模型,最后对两种模型进行了仿真和测试,发现和验证了随着信号源和数据量增加,基于概率分布模型的Wi-Fi定位精度、鲁棒性明显高于路径损耗模型。(2)针对惯性传感器定位技术,区别于以往系统只使用简单对加速度进行二次积分得到步长的方法,本文通过分析加速度传感器实测波形图,采用了统计Z方向的波峰数量来进行计步的方法,并通过实际步数与估算步数相比对,验证了本文方法的可靠性,进一步求出步长。同样通过测试发现X方向的加速度值能反映出待测目标的偏移角度,因此结合步长和航位偏移角,再利用行人航位推算法对定位目标位置进行预测,减少了累计误差。(3)在应用服务器端上结合Wi-Fi定位出的绝对位置和惯性传感器定位出的相对位置两部分信息,运用扩展卡尔曼滤波算法进行融合,得到精度更高的室内定位信息,比单独使用传感器定位最大误差减小了48.7%。本文最终实现了一套基于Wi-Fi定位技术和惯性传感器定位融合、静态精度为1m、动态轨迹追踪精度为2m的室内定位系统。