无线网络（Wireless Fidelity,WiFi）与行人航位推算（Dead reckoning for pedestrians,PDR）技术融合是一种较为新颖的室内定位方法。该方法较于其他方法具有普遍性强、操作简单、成本低的特点,可实现快速反应、精确定位的实际功能,在室内定位方面具有很大的潜力和研究价值。本文针对基于WiFi与PDR技术的室内指纹定位算法中的离线阶段指纹库构建复杂、消耗时间较长的问题;在线阶段匹配定位算法K近邻（K nearest neighbor,KNN）及加权K近邻（WKNN）定位时间长、定位精度低的问题,提出了相应的改进。本文的研究内容如下:首先,本文第三章在离线阶段进行指纹库的构建,对此提出自适应路径损耗模型插值算法,算法通过路径损耗模型对小区域范围内信号强度（RSS）的精确获取,处理得到信号强度指示（RSSI）信息,并利用在部分参考点（AP）使用插值方法来减少采集信号强度的工作量构建指纹库。接着,第四章中利用亲和传播聚类（APC）方法将离线指纹库划分成子指纹库。在线阶段采用两步定位方法,根据距离度量的大小将定位区域缩小到一定区域的粗定位,为接下来的定位节省时间。然后,再利用匹配定位算法进行细定位,通过对K近邻算法的改进,使用改进曼哈顿距离替代传统欧式距离作为相似度度量,提高了定位的精度。通过动态K值取代固定K值,增加了改进算法对环境的适应性,提高了定位精度。使用扩展卡尔曼算法（EKF）对两种定位技术的融合定位的对比,增强稳定性。最后,在第五章中通过模拟虚拟环境下的定位系统,验证本文所提改进算法。通过模拟虚拟环境下定位系统验证改进定位算法的性能,仿真结果表明:使用自适应路径损耗模型插值算法相较于其他算法精度更接近人工指纹库且复杂度更小;同时使用改进WKNN算法相较于其他算法定位精度更高;改进WKNN算法在融合技术中稳定性更高,定位时间大为缩减,达到了本文的研究目的。图[58]表[13]参[72]