随着经济社会与通信技术的快速发展,人们70%以上的活动时间主要都集中在室内场所,面向室内位置服务的需求越来越迫切,室内定位系统精度的鲁棒性即系统对定位目标位置的预测和稳定性即精度的稳定变化成为室内定位领域主要研究方向。目前,被广泛应用于室内定位领域的定位技术包括Wi-Fi(Wireless Fidelity)、蓝牙、RFID(Radio Frequency Identification)、UWB(Ultra Wideband)等,但在城市级规模部署的成本难以接受。在即将到来的5G时代,基于运营商的通导一体化为室内定位提供可行性解决方案,然而由于室内建筑环境的典型非视距特征,定位精度鲁棒性仍然很差,且普遍存在着由于网元部署不合理导致区域定位漏洞和精度剧烈变化的问题。因此,本文针对室内定位精度鲁棒性进行方法研究,论文的主要工作如下:首先,针对非视距特性和测量噪声对静态目标定位效果的影响,本文提出一种误差抑制的三维TDOA/AOA混合定位模型,定位过程考虑了测量噪声对定位的影响,推导了定位过程中的AOA噪声方程,以减小定位误差。针对移动目标的实时定位,本文提出一种融合PDR技术的实时定位方法,采用扩展卡尔曼滤波方法将PDR与网元定位数据进行融合,根据运动状态进行融合定位,以确保运动目标的定位稳定性和精度鲁棒性。其次,针对定位信号覆盖漏洞及平均定位精度低等情况,本文提出一种面向室内定位精度鲁棒性的网元布局融合优化方法。优化模型考虑信号覆盖率和区域平均定位精度两个因素,在网元优化求解过程中,传统的遗传算法相比自适应算法种群个体易出现“早熟”现象且求解质量差,论文首先对遗传算法和模拟退火进行自适应改进,然后将改进后的算法进行融合提高算法的收敛速度及网元布局的寻优质量,以达到提高定位区域信号覆盖率与整体定位稳定性的目的。最后,通过对比实验证明本文提出方法的有效性及可行性。实验依托定位仿真系统和网元部署规划平台,证明了本文提出的混合定位算法比Chan氏、Taylor等定位算法具有较好的定位性能及抗噪声干扰能力;验证了本文提出的融合优化方法在提高室内定位信号覆盖率、减小平均定位误差以及在加快算法的收敛速度等方面具有较好的性能;验证了本文提出的融合PDR的实时定位方法对运动的定位目标具有更稳定、更准确的定位性能。