随着通信技术的不断成熟和发展,提供室内位置信息的服务能给人们工作和生活带来更好的便捷性、安全性。传统的卫星导航系统由于信号在室内的穿透能力减弱,信号的可用性下降导致无法满足人们室内定位的需求,而稳定精确的室内定位方式一直是人们不断追求的目标。单一的定位方式总存在其固有的缺点而常常达不到人们的要求,因此通过对不同定位技术的融合,获取更多的数据信息来提高整个定位系统的精确度和稳定性,实现多种技术的优势互补成为了当前室内定位的一大趋势。本文围绕基于指纹库的WiFi定位技术与基于多传感器的PDR技术开展研究,并且通过对不同融合算法的研究分析旨在实现更稳定、更精确的室内定位系统。本文主要研究内容和创新点如下:(1)深入研究了基于多传感器的PDR模型,在步数检测中,提出首先将合加速度采样数据通过巴特沃斯低通滤波器,然后进行双阈值约束的峰值检测,实验证明步数检测的准确性达到97%以上。在航向角的估计中,针对设备及人为抖动带来的误差,进行了直线阈值的判断并滤波,结果显示检测到的航向角的变化更加平滑和准确。(2)针对WiFi信号的波动性、接收端接收信号的朝向性对WiFi定位技术中离线指纹库的构造带来的误差影响,本文通过剔除信号异常值和多方向的均值滤波方法对离线指纹库进行建立,最后使用WKNN算法实现在线匹配,实验结果显示提高了离线指纹库构建的准确度,降低了在线匹配的误差率。(3)针对WiFi与PDR两种定位技术的优缺点,对不同融合模型进行了研究,本文首先提出了一种改进的加权平均算法对融合模型进行构建和实验,然后采用扩展卡尔曼滤波(EKF)算法、无迹卡尔曼滤波算法(UKF)对融合模型进行构建和实验。根据不同的融合算法的优缺点,提出了一种引入调整因子?调节协方差的自适应无迹卡尔曼滤波算法。实验结果显示,对比于不同的融合算法,本文改进的自适应UKF算法在精度和稳定性上均有提高,其平均定位误差达到1.17m,定位误差在1.5m以内的比例达到了约83%,定位误差在2m以内的比例达到了约94%。(4)针对相应的需求,基于Android studio平台设计了一种基于Android系统的室内定位软件,采用SQLite为数据库,手机端为本地数据管理中心执行数据的运算处理,系统实现了指纹数据库构建、传感器数据显示、PDR的航迹推算结果显示、室内融合系统的定位显示四个功能模块。