随着物联网、人工智能等现代化技术被广泛熟知,社会对室内定位的需求日益增大。室外定位技术已经趋于成熟,但受到复杂建筑物结构、卫星信号自身特性等多因素影响,室外定位技术无法适用室内定位,所以实现一种高稳定性和高精度的室内定位手段是目前的研究重点。目前,各种定位技术层出不穷,但各自存在缺陷,UWB、RFID和伪卫星等技术需要布设昂贵基础设施;Wi-Fi、蓝牙等易受室内环境影响;惯性导航局限于误差累积。因此,多源信息融合定位技术已然成为室内定位的研究热点。为此,本文以智能手机为载体,对地磁定位和PDR定位技术的融合定位技术进行深入研究,主要研究内容如下:（1）分析行人在不同运动状态下的加速度序列和地磁序列,利用滑动窗口获取局部加速度序列和地磁序列信息,基于加速度和地磁组合特征信息实现非运动状态识别,准确率为93.51%,相较于SVM算法,准确率提升了16.58%,并基于DTW算法实现不同运动状态识别,准确率为95.15%;通过有效运动状态识别,自适应确定波峰检测算法阈值,实现不同运动状态下的步态检测,准确率为94.77%;针对实际环境中部分区域位置磁异常严重干扰航向估计精度,提出基于最小二乘算法的抗差自适应卡尔曼滤波的航向估计方法,能够较好适用磁异常的室内环境,航向估计稳定性和精度有所提升;为避免PDR定位时出现穿墙现象,提出基于改进的条件随机场的地图匹配算法,利用磁匹配结果完成自适应特征函数系数更新,相较于传统条件随机场算法,精度提升了44.59%,稳定性也有提高。（2）探讨地磁数据不同的采集和预处理方式,分析不同插值方法对于细粒度指纹库构建的精度影响;针对磁指纹构建时的磁特征选取,探讨不同磁特征构建的磁序列的稳定性和可用性,对比分析不同磁序列的预处理方式;针对基于DTW算法的地磁匹配算法计算效率低问题,提出一种基于UCR＿DTW的地磁序列匹配定位算法,利用下界约束、全局约束、序列重排序、计算对象转换和级联下界策略对DTW算法进行约束,并针对Keogh下界的计算缺陷,利用分段聚合近似算法将两条序列进行缩放或扩充。试验表明,基于UCR＿DTW算法的地磁序列匹配算法可以在保证定位精度不变的情况下,有效提高地磁匹配效率,相较于传统DTW算法,在不同序列长度情况下,定位效率都能提升了90%以上;并针对基于DTW算法的地磁序列定位方法无法适用二维开阔区域,本文提出基于反距离加权插值算法的地磁定位算法,利用反距离加权插值算法的实时性完成有效磁序列插值,并枚举完成序列遍历匹配,试验表明,所提定位方式可以满足室内二维开阔场景下的定位要求。（3）针对传统滤波器在融合定位过程中无法顾及多源信息的可信度问题,本文在条件随机场算法基础上,利用基于自适应卡尔曼滤波算法进行有效多源数据的可信度评估,完成位置初始估计,然后利用计算获得的观测与预测噪声实现条件随机场特征函数系数更新,完成位置二次估计,最后利用最邻近算法匹配最优估计点,改进后的CRFs算法能够有效提高算法稳定性与精度,避免轨迹漂移问题。相较于传统CRFs算法,定位精度提高了15%,定位误差均在2m以内,定位精度优于1.5m的概率在80%以上,稳定性优于PDR定位技术和地磁定位技术。本篇论文共有图87幅,表23个,参考文献106篇。