在诸多室内人员定位技术中,自主定位技术仅通过自身携带的微型惯性传感器(Inertial Measurement Unit,IMU)的惯性观测推算人员的位置,不依赖预先安装的设备,具有较好的自主性,是卫星导航拒止环境下重要的定位手段。然而,由于惯性定位固有的漂移等特性,定位的精度和可靠性随时间严重恶化。在实际应用中,通常融合惯性观测之外的辅助信息进行多源融合定位。融合定位的处理流程通常分为轨迹生成阶段和轨迹修正阶段。轨迹生成阶段,通过解算惯性传感器的观测数据得到人员的相对轨迹;轨迹修正阶段,通过融合辅助信息对生成阶段产生的人员轨迹进行修正,从而提高定位精度。由于轨迹生成阶段已经较为成熟,当前的研究热点为轨迹修正阶段。现存的许多融合人员定位方法,尽管在各自的辅助信息配置下能对轨迹有效修正并获得相当的定位精度,但缺乏内在联系和统一框架。针对这一问题,本文在提炼总结这些方法的基础上,重点研究了两种普适性强的轨迹修正算法框架,并且结合了五种具有代表性的辅助信息详述两个框架的方法步骤,验证了两个框架的有效性。这五种辅助信息分别为:UWB测距信息、iBeacon蓝牙信号强度信息、GPS位置估计信息、Wifi信号指纹信息和建筑物直角结构信息。现将本文的主要工作内容和成果总结如下:1.提出了基于粒子滤波的轨迹修正框架。该框架可以融合多种辅助信息,具有较好的普适性。该框架以粒子滤波为基础,将轨迹生成阶段提供的位姿更新作为“粒子”传播的预测,针对不同的辅助信息对框架中“粒子”设计了不同的更新策略,并结合典型粒子滤波中的重采样方法,能够得到融合后的人员轨迹。由于该框架“预测-更新”的处理流程,能够实时获取当前时刻的人员位置估计。2.通过将融合问题转化为优化问题,提出一种基于优化的轨迹修正框架。基于优化的框架根据所有的观测量,包括惯性模块提供的位姿更新数据和辅助信息观测,建立误差能量函数,通过图优化的方法求取误差能量函数的最小值,得到最小二乘意义下的最优估计。基于优化的框架,需要所有的观测进行批量估计,因此无法进行实时处理,相比于粒子滤波框架却有更高的精度和稳健性。3.对粒子滤波和优化两种融合框架的研究中,针对上述的五种辅助信息的特点,提出了一些具体的融合方法。融合UWB测距信息的方法中,考虑了非直视(None Line of Sight,NLoS)噪声的影响。在融合iBeacon蓝牙信标的过程中,粒子滤波框架下,利用高斯过程回归得到信号强度的似然性用于粒子滤波的权值更新。优化框架下,利用高斯过程回归得到的距离(信标与人员之间)的估计值和该估计值的方差构造基于优化框架中的误差能量函数。在融合Wifi指纹信息的过程中,在粒子滤波的框架下,直接利用Wifi信号指纹在信号空间的近邻性对粒子权值进行更新,避免了传统的基于高斯过程方法中粒子权值更新的不一致性,并且减小了计算量。在优化的框架下,提出一种能够融合多人(众包)的轨迹,建立可用于后续消费级Wifi定位的信号指纹地图的方法。相比于人工测绘产生指纹地图的方式,显著提高了效率。为了有效利用建筑物结构信息,提出一种基于建筑物虚拟锚点的方法。该方法不需要额外的硬件支持,利用行走轨迹推算出的直角走廊结构校正两次重复行走间的惯性漂移误差,可以分别在粒子滤波和优化框架下进行轨迹修正。在融合GPS位置估计信息的过程中,提出一种对GPS位置估计的预处理方法。相比于传统的基于GPS位置估计的轨迹修正的方法,预处理后的定位精度有显著提高。