随着现代生活环境的变化,人们在室内的活动日渐丰富,越来越多基于位置的服务被应用到生活中的各个方面。传统的卫星定位系统因受到建筑物遮挡的影响在室内难以发挥作用,而当前的室内定位技术在成本、精度、实现复杂度等方面还无法满足人们的要求。基于WiFi的室内定位因其低成本、易实施的特点而受到研究人员的关注,但由于无线信号易受到环境的干扰导致定位结果不稳定。行人航迹推算系统PDR(Pedestrian Dead Reckoning)利用传感器信息对行人的轨迹进行推算,在短时间内定位精度较高,但随着距离的增加误差会渐渐累积。本文以实现一个可靠、高精度、低成本、易实施的定位系统作为方向,对基于WiFi和惯性传感器的室内定位技术进行了研究。在基于WiFi的定位研究中,针对当前WiFi指纹匹配算法的不足,提出了改进的加权KNN(k-Nearest Neighbor)算法。该算法采用了更符合无线信号传播规律的加权计算方式筛选参考点,可有效减弱位置模糊性带来的影响。相对于传统KNN算法及WKNN算法,其定位精度分别提高了24.4%和19.4%。在PDR定位研究中,本文设计了一种动态约束性步态检测方法,该方法通过对加速度峰值时间和幅度的动态约束滤除了抖动造成的干扰,从而可有效的检测出行人的步伐。在步长估计方面,考虑到静态步长估计模型的缺陷,本文根据行人步态规律改进了自适应步长估计模型。相比于其他步长模型,该模型通过引入加速度值参与步长的计算使得估计出的步长接近真实步长。综合考虑单一信息源定位的优缺点,本文最后提出了一种WiFi和传感器信息融合的组合定位方法。该融合方法采用扩展卡尔曼滤波的方式融合了WiFi信息定位结果和PDR航迹推算的结果,利用WiFi定位结果修正PDR推算出的轨迹,同时通过PDR轨迹提高WiFi定位的精度。通过对比试验表明,提出的融合定位方法改善了PDR定位长时间累积误差的问题,其精度相比于WiFi独立定位提高了30%。