现在社会对室内定位的需求越来越多，对定位精度的要求也逐渐变高。现有的室内定位技术，在定位精度、定位范围、设备成本、使用灵活性等方面还尚未完善，这影响了室内定位服务的普及。随着无线通信技术的发展，很多基于无线信号的室内定位方法应运而生，如超声波、红外、光学信号、射频等，其中射频又包括射频识别和无线网络等。近几年来，作为无线局域网络的一种，Wi-Fi(Wireless Fidelity)发展迅速。基于Wi-Fi的室内定位成为位置感知领域的一个研究热点。基于Wi-Fi的定位技术的理论算法主要有指纹定位法和基于测距的三边定位算法等。除无线技术外，一些室内定位应用中也使用惯性传感器等。前者提供了一个便捷的覆盖范围，且所需设备较少；而后者则不易受周围环境的影响。考虑到这两种技术各自的优势，目前人们往往通过多传感器融合来进行定位。本文的主要工作如下：1.提出基于RSS(Received Signal Strength)补偿的三边定位算法。考虑到不同建筑物的其材料结构、室内布置等都不尽相同，一般而言，仅靠理想状态下的理论模型进行定位对定位精度并没有很大的提高。因此，本文提出基于RSS的三边定位优化方法的定位模型。即考虑不同材质室内阻隔物及其衰减因子所带来的影响，并对其误差进行补偿。同时，本文选取了较为常见的办公室室内环境对所提出的理论进行实验验证。此外，我们在该相同环境下采用现有的指纹技术进行对比实验，结果验证了本文所提出的方法可以提供更高的定位精度。2.提出基于WLSE-KF(Weighted Least Squares Estimation-Kalman Filter)的传感器融合室内定位算法。在利用传感器进行定位的过程中，需要对其采集的数据进行融合。目前，应用较为广泛的融合算法包括扩展卡尔曼滤波和最小二乘法等。射频识别融合定位一般采用最小二乘法，然而，它可能使定位误差较大。本文针对射频识别融合定位提出了将最小二乘和卡尔曼滤波相结合的算法。该算法先利用加权最小二乘估计获得移动用户的初步位置，再利用扩展卡尔曼滤波进一步使定位精度得到提高。仿真结果表明该算法相比传统的最小二乘和卡尔曼滤波，可以明显减少定位误差，提高定位精度。