随着无线通信和物联网等技术的快速发展,基于位置的服务特别是室内定位得到越来越多的重视。在室内定位中,地磁信号由于时间稳定性和位置差异性可以作为位置指纹在预先建立的指纹库中进行匹配定位,但是室内地磁指纹的位置分辨率很低,很难直接进行定位;而基于惯性传感器信息的行人航迹推算(PDR)在短距离内定位精确但存在累积误差;将两者融合定位可以优势互补。为了提高定位精度,本文在地磁指纹地图构建方法和PDR算法以及二者融合算法方面进行一些探索研究。基于地磁指纹的定位方法分为离线建库和在线匹配两步。在离线建库中,为了在采集相同指纹点数的情况下,达到更高的构建精度,提出了一种模拟退火优化传统BP网络的模型预测方法:通过模拟退火优化BP网络(SA-BP)中的权值及阈值,避免其在训练过程中陷入局部最优解,提高模型的预测性能。在实际场景中的实验表明:该方法用相同的指纹点构建出来的指纹地图估值误差比利用普通克里金插值方法误差要低;同时在保证定位精度的前提下,也降低了采集工作量。基于惯性传感器的PDR定位算法分为步频检测,步长估计和方向估计三方面。为了提高PDR的定位精度,使用加速度数据并设置阈值及状态值的改变进行步频检测;引入步频参数构建非线性模型进行步长估计;并且提出了一种粒子群优化粒子滤波(PSO-IPF)的PDR定位算法。与此同时,为了提高对采集设备和行人运动状态的模式识别的准确率,利用粒子群优化支持向量机(PSO-SVM)中的高斯核函数的宽度?及惩罚因子C,构建出新的分类器。在实际场景中的实验表明:改进后的PDR算法比传统PDR算法有更高的定位精度。在融合定位算法中,提出了一种前向序列匹配算法,通过PDR将连续时刻获得的地磁信息序列化,利用隐马尔科夫模型(HMM)将定位数据进行融合。在实际场景中的实验表明:此定位算法比传统的混合定位算法(卡尔曼滤波,粒子滤波)有更高的定位精度。经过实际室内环境定位实验验证,本文提出的定位算法具有较优越的定位性能,其定位精度达到了0.921m,可以满足对室内定位精度的需求。