随着物联网技术(Internet of Things,IoT)的发展,室内定位服务受到越来越多的关注,人们对室内定位应用的需求在不断提高。但室内环境中复杂分布的障碍物使得室内定位信号存在着严重的多径衰落效应,且存在复杂的时变特性。为了进一步提升室内定位精度并节省定位成本,本论文提出了一种在复杂室内环境下的多源信息融合定位系统。该系统可分为两个阶段,第一个阶段为人群感知阶段,第二个阶段为定位导航阶段。在人群感知阶段对蓝牙、WiFi、地磁和图像信息进行数据的采集和指纹库构建,对于WiFi和地磁指纹库的构建,我们设计兼容步行的方法进行异构数据收集建立动态指纹库,动态指纹库中包含的是室内可行性路线的多源序列信息,该方法对所有信息源开放,并简化了数据库的构建。在定位导航阶段,本论文首先提出了基于低功耗蓝牙(Bluetooth Low Energy,BLE)的I-Min-Max定位算法,该算法在Min-Max定位算法的基础上进行了改进和提高。I-Min-Max算法是一种基于范围的物联网定位系统的低复杂度和鲁棒性的定位方法。在文中,我们详尽地研究了I-Min-Max算法在不同无线传播条件下的性能。根据在物联网设备中可用的接收信号强度(Received Signal Strength,RSS)值来制定此类性能,并利用两种不同的信号传播模型(自由空间传播模型和对数正态分布模型)得出估计误差的期望值和方差。然后,我们提出了基于图像的子区域匹配定位算法,通过对典型的图像匹配算法SIFT特征描述符的提升,保证匹配精度的同时提高图像匹配的响应时间。此外,我们融合了与位置信息相关的WiFi和地磁信息以得出准确的位置估计。在室内多源信息中WiFi、地磁和图像信息均是可以免费获得的,我们将这部分称之为Wimage。最后,实验结果表明,在各种信息的协助下,多源信息融合的室内定位算法可以有效提高定位精度,算法的均方根误差仅在0.4m以下,对于大规模室内环境下的目标定位是非常准确的,是一种适合物联网系统的算法。