在当今互联网飞速发展的年代,人类的生活方式发生了很多改变,人类对位置应用的需求越来越大。目前,全球卫星导航系统的发展已经相对成熟,基本满足了人类在室外的位置需求。但是,在室内、隧道等遮蔽环境下,GNSS卫星信号受到障碍物的遮掩,难以实现定位。因此,为了满足人类在室内环境下的位置需求,相关学者对电磁波、光、声音等传感器开展了一系列的研究。近些年,相关研究人员提出了基于蓝牙、超宽带、WIFI等室内定位技术,各个传感器在定位过程中都具有各自的优点,但是由于室内环境复杂多变,仅依靠一种的传感器仍不能满足人类在室内的定位需求。在此背景下,本文系统的研究了超宽带定位技术和行人航位推算技术,结合两种传感器自身的定位特点,提出了将两种传感器进行组合,对组合定位模型开展详细的研究并进行了实验验证。主要内容包括:（1）针对UWB在定位过程中信号容易受到室内复杂环境的干扰,导致测距精度退化的问题,本文建立了基于指数函数的UWB测距误差改正模型,并进行了实验验证。实验结果表明,测距经过误差模型改正之后,平均测距精度提高了60%,由此说明,该误差改正模型能够有效地降低UWB测距误差。本文建立了基于梯度下降的UWB定位解算模型,并通过静态定位和动态定位两种实验方式进行算法验证,在静态定位实验中基于梯度下降法的UWB定位算法的定位精度比最小二乘的定位算法提高了50.61%;在动态定位实验中基于梯度下降法的UWB定位算法的定位精度比最小二乘的定位算法提高了17.21%。（2）针对在行人航位推算定位过程中,定位结果随时间推移会存在累积误差的问题,本文结合行人运动特征,建立了基于多参数约束的步态检测模型,利用加速度的波峰、波谷以及时间差等参数对加速度进行约束,通过实验验证,本文建立的步态检测模型在行走状态下比峰值检测模型精度提高了83.98%,在跑步状态下精度提高了86.12%。由于行人航向角在定位中后期容易偏离真实航向,本文提出利用室内地图信息对航向角进行约束的方法。通过实验验证,加入地图约束的航向估计平均误差比原始航向角误差降低了74.44%,该方法提高了行人运动过程中航向估计的精度,为后续的组合定位提供了保障。（3）针对EKF组合定位模型的定位精度会随着时间的推移逐渐收敛,导致前一时刻的数据对下一时刻的状态估值的影响会降低的问题。本文分析了两种传感器定位的特点,建立了室内UWB/PDR组合自适应EKF定位模型,利用渐消滤波求得的渐消因子自适应的调节先验概率的估计值,结合EKF实现定位。通过实验对组合模型进行验证,实验结果表明,自适应EKF组合模型的定位精度相对于UWB定位精度提升了50.11%,相对于PDR定位精度提升了83.32%,相对于EKF组合模型的定位精度提升了28.98%。