随着智能家居时代的到来,室内行人定位技术作为支撑技术之一,正成为热点研究方向。除了为家庭、高铁站、图书馆等不同区域提供定位导航外,室内定位技术也能在紧急情况下,如火灾、反恐等情况下为救援人员提供定位支持。目前,充分利用室内信息源进行组合定位正成为研究重点。全球定位系统是目前应用最为广泛的定位技术,随着中国的北斗导航、欧洲伽利略导航系统等的相继成熟,卫星定位的选择增多,精度也在提高。但此类定位系统在有遮蔽或密集建筑物内信号衰减十分严重,达不到定位终端灵敏度要求,其定位精度无法满足要求。惯性传感器作为全自主的定位系统,其集成度较高,体积较小,诸多优点使得基于惯性测量的室内定位技术在不断地发展,但基于惯性测量的定位系统,在没有外界信息源辅助校正的情况下,其定位误差会随着时间不断累积,导致其不能独立地长时间高精度定位,因此研究融合其他信息源的组合定位算法意义重大。WiFi作为一种基础设施,因其具有信号的传播等特点,使得WiFi作为一种定位信息源具有天然的优势。基于WiFi的定位方式在定位时,其精度主要受随机误差的影响,因此基于WiFi的室内定位技术能够较好地抑制基于惯性测量的定位的累积误差。随着智能路由的使用越来越广泛,而智能路由能够根据接入用户数动态调节发射功率降低功耗,同时,普通路由在不同时段内,其发射功率随时间上下浮动,因此传统的基于绝对强度WiFi指纹库在此类情况下,其定位精度波动较大。针对上述情况,本文提出了基于双层库的WiFi指纹定位算法,通过利用相邻区域的信号强度差值具有的稳定性,同时将相邻区域联系起来,获得高维度信息,在提高定位系统稳定性的同时,提高定位精度。为了实现多信息源的有效融合,针对不同模型的特点,我们分别选用不同滤波器。基于连续积分惯性定位算法,我们选用基于卡尔曼滤波(Kalman Filter,KF)的零速校正(Zero Velocity Update.ZUPT)来抑制累积惯性定位误差。由于WiFi、惯性测量和建筑地图信息的频率不同,在使用卡尔曼进行信息融合时,需要周期调整量测矩阵,这样不仅会影响信息融合的效率,同时也会降低定位系统的稳定性,为了有效地融合各信息源提供的位置信息,我们选用粒子滤波(Particle Filter,PF)作为三信息源融合主滤波器。在粒子迭代过程中,但当某一处粒子全部进入墙体时,其粒子权值均变被赋值为零,从而打断定位系统的正常工作,为此我们改进了回溯粒子滤波,最终设计完成了基于贝叶斯估计的二阶级联信息融合算法的设计。在一般的WiFi覆盖的室内环境中,使用MTi-G710惯性测量单元和具有无线信号采集功能的笔记本进行室内行人定位实测试验。试验结果和分析表明,本文所提算法能有效提高室内行人定位精度。