随着位置服务（Location Based Service,LBS）的逐渐普及,室内位置服务的需求日益增长,室内定位研究领域提出了多种室内定位技术,包括UWB定位、惯性导航定位、伪卫星定位技术等。每种室内定位技术都有其优缺点,而室内环境复杂,单一定位技术难以实现全覆盖高精度定位。因此,融合多种定位技术成为了主要解决方案。本文研究了UWB定位技术、基于MEMS-IMU的行人航位推算技术,并提出了基于UWB/PDR/地图模型的多源信息融合定位模型,主要研究内容有:1、针对UWB室内定位中测距误差问题,分析了TW-TOF测距方法误差来源,通过多项式拟合的方式建立测距误差改正模型,拟合验证后,相比原始测距误差降低72.06%,削弱了系统误差的影响。针对非视距误差的问题,提出了改进抗差卡尔曼滤波算法,根据新息向量的大小调整增益矩阵的大小,抑制离群值对定位结果的影响,通过对比分析,其具有更高的定位精度优势;2、针对基站异常情况时少站定位的问题,提出了一种基于LSTM轨迹预测的少站定位方法,通过历史轨迹对LSTM网络进行训练,当定位基站信号丢失时对未来轨迹进行预测,实验验证表明,定位基站异常关闭后,虽拐弯处会出现“惯性”现象,但总体定位轨迹基本准确,总体预测定位误差在0.2m以内,可以满足暂时突发的基站失灵状况下的定位需求,定位精度较好。3、针对行人步态检测方面,通过对加速度数据进行时域、频域分析,分析得出行人步态周期。通过对各参数分析,建立了多参数约束的步态检测模型,实验验证表明,检测误差在1%左右,具有较高的检测精度和稳定性。针对步长估计方面,通过行走实验拟合线性非线性模型,Weinberg模型285m估计误差在2.63m左右。针对航向估计累计误差问题,提出基于图模型的航向修正方法,提高了航向角估算的准确度。综上对三种技术的优化,提高了PDR定位精度,并为融合定位方法提供了保障。4、针对室内定位场景多源信息融合问题,提出基于UWB/PDR/矢量地图的多源信息融合定位模型,该模型将UWB定位信息、PDR估计结果（步态、步长、航向角等）信息、矢量地图信息、Landmark点信息相融合,并设计了室内环境闭合路径实验,对融合定位算法进行了验证,并与UWB定位、PDR定位结果进行对比分析。实验结果表明,基于UWB/PDR/矢量地图等多源信息融合的粒子滤波定位模型定位精度更高、定位稳定性更好,轨迹更加平滑且更符合真实轨迹。融合定位方法定位的定位精度较UWB定位提升7%左右,较PDR定位提升52.6%。而且,矢量地图信息、Landmark点信息也能对PDR航向角、步长估计等提供有效的约束,有效地抑制MEMSIMU运行过程产生的累积误差,从而使最终定位轨迹更加符合实际行走轨迹。