随着经济的快速发展,高楼大厦拔地而起,室内活动空间不断扩大并且室内地形也越来越复杂,人们对室内定位的需求越来越强烈。现有的单一定位技术在定位成本、定位精度和定位稳定性等方面存在缺陷,因此将多种定位技术结合已经成为室内定位的主流方向。考虑到WiFi信号在全局区域内分辨性较强,以及地磁信号在时间维度上具有稳定性,本文针对WiFi和地磁信号融合的室内定位技术进行研究,主要的研究内容如下:第一,室内WiFi和地磁信号分析。从时间维度上信号的稳定性、空间维度的差异性、终端方向、终端类型和高度等五个方面,分析室内WiFi信号和地磁信号的特性。实验结果表明,WiFi信号在空间维度上具有差异性,且位置分辨性较强,但在时间维度上具有波动性,并会受到终端方向、终端类型和高度的影响。相比而言,地磁信号在时间维度上相对稳定,但在空间维度上位置分辨性较低,并且同样受到终端类型的影响。第二,基于压缩感知的重建WiFi指纹库算法。利用压缩感知方法在少量位置上重新收集的WiFi信号变化值作为观测信号,通过采样位置间的欧式距离和WiFi信号强度差值构建了测量矩阵,提出了正交匹配跟踪算法重新构建指纹库,通过对重新采样的位置数量、位置间距和终端类型三个方面进行了实验分析,验证了该重建算法的可行性。第三,基于隐马尔可夫模型的融合室内定位算法。在步伐检测方面,通过对加速度信号进行动态阈值检测的基础上,结合地磁信号对超过加速度阈值的步伐进行二次检测,减小了身体摇晃导致的计步错误,同时提高了在不同行走速度下计步的鲁棒性。针对地磁信号较低的位置分辨性,提出了将地磁信号进行序列化使得地磁信息增加到多维,提高地磁信号的位置分辨性,同时利用余旋相似度对序列化的地磁信号进行匹配,克服不同终端的地磁信号差异性。最后,引入隐马尔可夫模型,将强分辨性的WiFi信号和稳定性的地磁信号进行融合定位,在初始概率分布矩阵中引入WiFi信号进行粗定位,观测概率矩阵加入基于步数序列化的地磁信号进行二次匹配,前向算法利用模型的三要素不断进行迭代,从而获得行人的位置。实验结果表明,该算法提高了定位稳定性和定位精度。