基于位置的服务在安全急救、医护管理、人员跟踪、道路导航、定位广告等许多领域都具有巨大的应用价值。成熟GNSS技术在室外提供高精度的实时定位导航,而因建筑物等遮挡导致室内的卫星信号急剧衰减甚至不存在,使得在室内环境无法通过卫星系统实现位置的实时获取。本文围绕具有室内位置服务功能的WIFI定位和惯性测量定位关键技术开展研究,重点涵盖基于双重指纹数据库类匹配的WIFI定位系统实现、基于实时补偿修正航向的惯性测量行人航位推算(Pedestrian Dead Reckoning,PDR)定位系统实现以及二者定位方法的融合应用,主要研究成果如下:针对走廊空间域的狭长特性,提出按照三角形结构布设指纹点采集数据,以同等的定位精度却可降低1/2的离线采样工作量;利用最大信号强度RSS对指纹数据作聚类处理,以动静态定位实验确定了最优聚类参数;提出了聚类指纹数据库双重类匹配方法,以实时信号接入点地址信息与指纹类中心地址向量作粗匹配,确定大致类范围,然后利用信号强度值与可能类中心矢量之间距离作精匹配确定唯一类,提高匹配的准确率及缩减指纹点匹配空间。提出一种简单参数对波峰-波谷检测具备多重约束的步态识别方法,只需设定振幅阈值ad和步态时间阈值tdD两个参数进行幅值约束、幅值差约束和双重时间差约束。经实测数据验证,该方法对正常步行与跑步两种运动模式的步态均具有识别正确率高、通用性强、完全实时检测的特性。针对原始方向传感数据的航向偏差,提出了借助指纹几何信息基于KALMAN滤波实时补偿航向估算方法,提高定向准确性,抑制定位误差的累积,改进惯性航位推算定位精度。针对WIFI定位回跳、扎堆等不稳定现象,实现了两种WIFI与惯性测量自适应滤波融合模型,一是基于位移约束自适应确权的平滑滤波融合方法,当WIFI系统出现大误差时,依赖PDR定位的高精度,平滑WIFI定位结果,提高室内定位的稳定性;二是自适应模型噪声的扩展KALMAN滤波融合方法,实测数据表明,该模型优于平滑滤波方法,对WIFI粗差具有抗差作用,不仅有效削弱WIFI定位回跳或扎堆等不稳定性,还可解决基于原始航向PDR的误差累积以及解决基于改正型航向PDR无法自身修正因初始位置偏差导致的定位误差等问题,提高室内定位定位精度,增强用户体验。