随着现代化城市建设的推进,建筑规模愈加庞大,对位置的需求已经不仅仅满足于室外,高精度的室内定位可以提升餐饮、物流等方面的产业价值,然而室内环境复杂多变,且由于房屋墙体等遮挡,GNSS信号无法应用于室内定位,因此获得一种兼具稳定性及高精度的室内定位技术成为一项难题。近年来随着室内定位研究的不断开展,定位数据源趋于多元化,面对单一定位技术不可避免的缺陷,学者们着手于不同定位技术进行融合,相互间取长补短,保证定位精度的同时提升定位稳定性。针对上述室内定位中存在的问题,本文做了以下几个方面的研究工作:（1）针对室内定位指纹库匹配冗余信息多造成定位浮动大,且数据库中样本数过多定位时效性差等问题,提出一种基于萤火虫算法优化支持向量机的室内定位方法。利用奇异谱分析预处理数据去除噪声,通过萤火虫算法优化支持向量机参数,建立室内定位回归模型。实验结果表明,本文算法平均定位误差较PSO-SVM算法降低了 24.2%,较GA-SVM算法降低了 33.3%;最小定位误差较PSO-SVM算法降低了 75%,较GA-SVM算法降低了 66.7%;此外,最大定位误差较PSO-SVM算法降低了 46.3%,较GA-SVM算法降低了 62.9%。相对于目前室内定位方法,本文算法收敛速度快,提高了室内定位精度和稳定性。（2）针对行人航位推算中步长估计不同行人个体的步长差异,采用了非线性步长模型对步长进行估算,并针对该模型进行了改进,引入行走频率和加速度方差对步长进行估计,步长可随着步频的变化进行自适应调整。实验结果表明,本文算法平均定位误差为1.42m,相较于传统PDR算法误差降低了 20%左右,有效提高了定位性能。（3）针对单一定位技术精度不高等问题,本文引入混沌变量与海鸥算法,进行优化BP神经网络模型,通过自适应隐含层神经元数提高数据融合结果精度,利用海鸥智能寻优算法加快收敛速度获得全局最优解,引入混沌变量初始化海鸥位置解决寻优算法易陷入局部最优解的问题。实验结果表明,混沌变量优化算法平均定位误差均在1m以下且定位路径贴合实际路线,存在高鲁棒性,能更好的融合WIFI定位结果和多传感器定位结果。（4）针对路径规划RRT*算法搜寻路径时间过长,收敛速度过慢,本文汲取RRT-connect算法从起始点和目标点同时生长两颗快速扩展随机树搜索地图空间的优点,优化了传统RRT*算法。实验结果表明,本文算法较RRT*算法迭代次数减少50%,规划时间缩短50%。同时,采用气压与高度之间的关系,解决了楼层定位的问题。图[53]表[15]参[81]