随着互联网技术的普及和不断革新,Wi-Fi网络和智能移动终端在人类日常活动中所扮演的角色也越来越重要,同时由于人类的活动大部分都在室内环境下进行,所以人们对基于室内环境的位置服务的需求也不断增大。在室外定位中占据主导地位的卫星导航系统,其信号在穿透建筑的钢筋混凝土墙壁后衰减十分严重,精度也随之衰退到5m至20m,显然这样的定位效果无法满足空间较小的室内环境,因此许多室内定位技术应时而生,而Wi-Fi指纹定位技术凭借其部署成本低的优点迅速成为其中的热门,但是如何降低其需要在定位区域采集数据建立指纹库产生的成本消耗以及减小Wi-Fi信号自身波动带来的定位偏移是当前研究的重点。对于数据的采集工作,众包模式是一个很好的解决方案,通过将大量的重复性工作外包给其它组织或平台,充分利用外部资源来解决问题。这一模式已被证实在室内定位的研究中可以极大地降低成本开销。本文首先对众包数据进行了预处理,提出线性拟合的方式消除了设备异构带来的影响,然后分析了Wi-Fi信号产生自身波动的原因,利用滑动平均滤波尽可能地削弱其带来的影响,接着优化了Wi-Fi指纹定位中十分重要的相似度模型,同时用改进的K-means聚类对离线指纹数据库中的数据分类,减少了在线匹配阶段的计算成本消耗,最后采取了加权K近邻算法实现了实时测量与指纹库中数据的匹配定位。为了进一步提高Wi-Fi指纹定位的精度,本文选择将之与惯性导航定位相结合。同样,首先处理众包的惯导数据,先将其转换到导航坐标系上,然后通过双重阈值滤波算法检测步数,改进步长模型并计算步长,在得到方向角信息后利用扩展卡尔曼滤波预测定位位置,最后充分考量Wi-Fi指纹定位和惯性导航定位各自的优劣势,提出一种融合的策略,同时通过实验验证该融合算法的可行性。