近年来,随着移动智能设备的不断普及和无线通信技术的不断发展,不管是在室内还是室外人们对于定位服务的需求与日俱增。在室外环境下全球导航卫星系统(Global Navigation Satellite System,GNSS)通过信号增强技术可以为用户提供高精度定位,但是在复杂的室内环境下,由于GNSS信号被遮挡使其无法满足室内高精度定位的需求,因此发展室内定位技术成为研究热点。鉴于目前常用的基于信道状态信息(Channel State Information,CSI)的指纹定位和基于行人航迹推算(Pedestrian Dead Recknoing,PDR)定位两种室内定位方法的局限性,本文提出基于扩展卡尔曼滤波(Extended Kalman Filter,EKF)的CSI与PDR融合室内定位算法。主要工作内容和结论如下:(1)针对传统基于CSI的指纹定位方法只采用CSI幅度信息作为指纹信息导致指纹定位精度不高的问题。本文提出将CSI相位信息与幅度信息结合作为CSI指纹定位的位置指纹信息提高室内定位精度。本文使用线性变换减少因为硬件采集缺陷造成的CSI随机相位偏移,并通过相位矫正算法验证了使用CSI相位信息作为指纹信息的可行性和有效性。(2)针对传统基于接收信号强度(Received Signal Strength,RSS)的指纹定位方法定位误差较大的问题,本文提出基于K最近邻(K-Nearest Neighbor,KNN)分类器的CSI被动指纹定位算法,CSI相较于RSS具有更高细腻度的信道信息,能准确反应环境信息。最后将此算法与传统基于RSS的指纹定位方法和基于CSI幅度信息的指纹定位方法做了对比实验。结果表明:在同一实验环境下基于KNN的CSI被动指纹定位方法相较于前两种指纹定位方法室内定位精度分别提高55%和15%。(3)针对采用单一定位技术的定位系统适用性较差且无法满足室内高精度定位需求的问题。本文提出基于扩展卡尔曼滤波的CSI与PDR融合室内定位算法,其中CSI定位模块采用基于KNN的CSI被动指纹定位算法,PDR定位模块采用在线估计复合条件步频检测(Multiple Gait Monitoring,MGM)-PDR定位算法,利用EKF特有的位置轨迹约束性降低CSI定位波动和PDR累计误差,提高系统定位精度。最后将此算法与在线估计MGM-PDR定位和基于CSI被动指纹定位方法做了对比实验。结果表明:基于EKF的CSI与PDR融合定位算法相比上述两种定位方法其定位平均误差最小,定位精度分别提高54%和21%。