当前,基于卫星信号的定位系统被广泛应用在室外定位跟踪中,由于卫星信号不容易穿透建筑物,所以基于卫星信号的定位系统无法适用室内定位跟踪。近年来,随着互联网的飞速发展和日趋成熟,一些科技巨头如微软、谷歌、苹果、百度以及许多世界上著名的大学也都着手研究室内定位技术,人们对在室内环境下获取自身位置信息的需求与日俱增,使得室内定位技术成了广泛研究的热点,本文对这一热点完成以下几点工作：针对在有干扰噪声环境中采样到的RSSI RSSI(Received Signal Strength Indication)信号中含有大量野值的问题,在卡尔曼滤波的基础上,根据信息对其增益和预测值进行自适应控制,并由此得到一种自适应KF抗野值算法,该方法可以对动态观测数据中的野值信号进行检测和剔除。针对运用欧式距离来衡量两个RSSI信号向量的相似程度,在一定程度上放大了RSSI信号向量中较大分量在距离测度中的作用的问题,本文改运用Dice系数来衡量两个RSSI信号向量的相似程度,并由此得到一种基于Dice系数的WKNN定位算法。定义了一种性能评估指标,该指标能够在线反映出KF(Kalman Filter)、 EKF(Extended Kalman Filter)、UKF(Unscented Kalman Filter)或PF(Particle Filter)算法的跟踪性能。定义了KF与UKF算法之间的正向切换门限条件,并由此得到一种KF+UKF目标跟踪算法,该方法以KF算法为主导,当KF算法的跟踪性能变差到一定程度时,并达到切换门限条件,则将KF算法切换到UKF算法,这样一来可以使得该算法既可以发挥KF算法的实时性又能保持UKF算法的容错性。