众所周知,全球卫星导航系统(GNSS,Global Navigation Satellite System)的发展和应用已经非常完善,可以在室外提供准确可靠的定位服务。与此同时,由于技术的不断发展,普通用户使用GNSS的成本非常低,使得GNSS得到了极快的推广。然而,建筑物对于卫星信号的遮挡导致GNSS系统无法直接在室内提供定位服务,使得室内成为定位的盲区。随着人们对基于位置服务(LBS,Location Based Service)的需求不断提升,室内定位的大规模推广也变得越来越迫切,这使得室内定位持续成为定位领域的火热关注点。目前室内定位技术按信号可以分为红外线定位、可见光定位、超宽带定位、Wi-Fi定位和蓝牙定位等。相对其它信号来说,Wi-Fi定位和蓝牙定位在民用场景下的发展前景最大,因为Wi-Fi技术在局域网应用中已经非常成熟,且信号传播距离和穿透能力相对较强,而蓝牙技术则凭借着其低成本高续航以及稳定快速的信号传输等优势在无线传输设备中得到了广泛应用。虽然Wi-Fi与蓝牙的定位精度无法与成本高昂的超宽带定位相比,但Wi-Fi和蓝牙的芯片都已经集成于几乎所有新的智能手机中,这对于用户来说,无需额外的客户端设备,减少了应用推广的成本。因此本文所提出的几种定位方法均是基于Wi-Fi和蓝牙信号。针对目前Wi-Fi和蓝牙定位的不足,本文提出了一种基于Wi-Fi与蓝牙的室内融合定位方法以及两种Wi-Fi指纹定位算法,并基于SVM提出了两种定位误差补偿算法:(1)针对单模信号定位精度不稳定的情况,本文提出了 Wi-Fi与蓝牙的新融合定位方式。首先通过Wi-Fi位置指纹定位获得粗定位结果,然后通过粗定位坐标以及坐标周围的参考点指纹获得用户所在区域的蓝牙信号传播模型参数,实现蓝牙定位并完成两种定位方式的结果融合。通过两种信号和两种方法的融合,增强最终定位结果的稳定性,提升定位的精度。最终的定位精度比单独使用Wi-Fi和蓝牙技术分别提升了 13%和16%。(2)针对位置指纹定位技术中信号跳变对传统WKNN精度的影响,本文对指纹存储方式和匹配方式上做了改进。通过AP多次匹配并利用信号强度为AP加入权重,最终实测实验结果显示,定位精度相比于原始WKNN提高了13.04%。(3)提出了 SVM定位算法与卡尔曼滤波结合的定位算法。首先利用SVM位置预测模型预测用户位置,然后通过卡尔曼滤波算法对用户位置进行滤波修正,有效减少了移动中用户的定位误差,并且对于静止的用户也可以减少定位跳变幅度,得到更良好的定位体验。(4)针对定位过程中产生的误差,本文提出了 SVR和SVC两种误差补偿方法。基于支持向量机良好的机器学习能力,本文分别使用SVR和SVC寻找定位区域内不同位置处接收到的信号强度集合与该位置处最终的定位误差之间的映射关系。在实时定位过程中,通过信号强度集合以及映射关系预测定位误差,并根据预测值对定位结果实施误差补偿,提升最终的定位精度。