随着室外定位的理论与技术逐步成熟,对实现在卫星信号遮蔽区域如城市峡谷、室内盲区乃至矿山等地下空间的无缝定位和应急救援服务提出了新的要求,针对室内定位技术而言,虽然已经出现了诸如红外线、超声波、射频识别、蓝牙、超宽带、无线保真、Zig Bee、计算机视觉、地磁场、行人航位推算等典型的技术手段,设计出了多个具有代表性的室内定位系统,但大多数是以单一数据源为定位信号,定位区域有限、定位精度低,再则有些系统需要布设昂贵的硬件设施。因此,研究廉价、高效、高精度、自适应的室内全空间导航定位技术是目前导航位置服务领域亟待解决的瓶颈问题。目前智能移动终端越来越普及,并且内嵌很多先进的硬件设施,如Wi Fi模块,蓝牙模块和各种惯性传感器等,使得在智能平台上研发室内定位系统变得容易可行。本文以智能手机内嵌的惯性传感器、Wi Fi为主要数据采集手段,辅以建筑物的空间地理信息,以室内全空间定位为主线,系统地研究了基于多元传感器集成的室内定位算法,深入探讨了测距与非测距、无线与非无线传感器的室内融合定位,惯性传感器/无线信号室内优化组合关键技术,以此为基础,选取Android智能手机HUAWEI P6为实验平台,利用Wi Fi信号和手机内嵌传感器信号在综合实验场开展了集成测试,主要内容如下:(1)探讨了Wi Fi信号指纹定位方法的原理及在不同室内环境下的定位特点。针对大目标区域定位时指纹匹配算法计算量大的问题,利用K-means聚类算法对Wi Fi指纹库进行聚类处理,降低算法计算量,提高了Wi Fi定位算法的实时性;针对Wi Fi单点定位结果跳动的问题,利用卡尔曼滤波算法对定位结果进行去噪处理,有效改善无线信号指纹定位方法的精度。(2)深入分析了行人航迹推算PDR定位方法的原理,针对步态检测中常用的波峰检测算法受手机姿态影响大的问题,提出一种利用手机传感器自相关分析的计步算法,针对行人不同运动状态对计步结果的影响,设计了一种自适应波峰检测算法,两种算法改进了手机姿态变化和行人运动状态变化对定位结果的影响。(3)对比分析了PDR定位和Wi Fi定位的优缺点,利用扩展卡尔曼滤波和无迹卡尔曼滤波算法对两者进行融合,结果表明,无迹卡尔曼滤波可以有效克服扩展卡尔曼滤波的缺点,使得融合后的定位结果在定位精度和稳定性上都有很大的提高。(4)完成了室内定位系统的设计与实现。基于Android平台、Arc Engine开发包以及Unity 3D三维可视化引擎开发实现定位模块和三维可视化模块,该系统分移动端和监控端两部分,其中在移动端用户可以利用Wi Fi、加速度、方向和陀螺仪等传感器完成定位并将结果发送到监控端;在监控端接收用户发来的定位信息,并在二三维地图中显示。