随着信息技术的不断发展和人们社会生活方式的变化，单纯地依靠以全球定位系统（Global Position System，GPS）为主的定位导航已不能满足各行各业及人们日常生活的需求。因此，基于无线网络的室内定位技术正越来越受到研究者的关注。无线网络定位可以有效弥补GPS系统在室内环境下信号被建筑物遮挡而造成的不足，因此引起众多研究者极大的兴趣。本文在基于接收信号强度指示（Received Signal Strength Indicator，RSSI）测距的无线传感网络上研究在混合视距（Line Of Sight，LOS）和非视距（Non Line Of Sight，NLOS）的室内环境中，基于马尔科夫模型建立了多障碍物的交互多模型(Interactive Multiple Model， IMM）算法，经仿真和实验验证多障碍物模型的IMM算法能够有效消除多种障碍物引起的测距/定位误差。本文的具体研究内容包括如下三个方面：　　本文以混合 LOS和 NLOS的室内环境为研究背景，研究目标节点（Target Node，TN）在室内移动时的定位误差消除。传统先对非视距进行鉴别再消除非视距的方法，由于对障碍物检测的准确率不高导致其对最终定位精度的提升很有限。本文采用IMM模型恰当匹配了TN在室内移动时与锚节点（Anchor Node，AN）间的信号传播变化特征，避免了传统消除方法中因NLOS鉴别不准确导致的误差。　　在实际的室内环境中，由于存在多种不同的障碍物，其对信号产生的衰减不同。因此，本文建立一种新的多模型Markov链并扩展了IMM的NLOS模型集，从而有效增强了IMM模型对室内环境的适应性。　　我们以实际的室内场景为实验环境，通过测量统计出室内不同障碍物对信号的NLOS误差模型。基于ZigBee模块的开发、ZigBee无线信号测距模型参数优化等将实际测得的误差值用于扩展的IMM算法中构建基于RSSI的室内定位误差研究系统。基于已经测得的各种障碍物的误差信息，进一步研究了扩展模型集后的IMM算法模型数量对定位的影响。　　综上，本文提出了新的针对室内多误差的消除算法模型，并且使用真实测量统计的障碍物误差数据，进一步研究了算法模型数的选取与室内实际障碍物情况的关系对最终定位精度的影响，得出了具有较强实际意义的结论。通过本文的研究，进一步完善了室内复杂环境下的误差消除算法及跟踪定位方法，尤其是对多种障碍物并存的室内环境下的误差消除提供了新的思路。