近年来,随着人们的室内活动不断丰富,定位场景也不再局限于室外环境,室内以及室内外相结合的定位场景需求也在不断提升。在室内外相结合的定位场景中,室内与室外定位技术实现无缝结合才能更好地满足用户的需求和体验。但是,室内定位与室外定位是相互独立的定位系统,如何有效地解决室内与室外定位方法之间的准确稳定切换,则对室内外无缝定位的发展有着很大的影响。同时,在室内定位场景中,除了定位精度以外,定位效率也应当成为衡量定位服务质量的一个重要指标,在对定位精度进行提升的同时,还应该兼顾定位效率对定位服务质量的影响。因此,本文完成的研究工作主要有以下三方面:（1）对常见的几种室内外无缝定位场景进行了归纳并分析其特点,对室内外无缝定位场景中的泛在无线信号变化特征进行了详细分析。通过室内外区域中的泛在信号的变化范围来确定室内外交界区域的边界阈值,从而实现对室内外交界区域进行划分,进而明确了室内外定位方法需要进行无缝切换的区域。（2）针对目前室内外定位无缝切换方法所存在的准确率和稳定性不高问题,本文首先提出一种基于泛在信号融合的室内外场景感知算法,利用室内外场景中的泛在信号,通过改进的Ada Boost算法融合概率神经网络模型来实现室内外环境的准确感知。其次在场景感知算法的基础上,又提出一种基于场景感知的室内外定位无缝切换双重检测方法,即首先通过已划分好的室内外交界区域的边界阈值进行预检测,然后再结合室内外场景感知模型以及前一时刻用户所处的区域来综合判定是否需要进行室内外定位方法的切换。通过实际场景测试表明,本文的室内外场景感知算法的场景识别准确率达到94.8%,无缝切换方法与只采用Wi Fi信号阈值进行判决切换的方法相比,切换次数降低了57.14%,验证了利用本文方法有效地提升了室内外定位进行无缝切换的准确率和稳定性。（3）针对室内指纹定位方法中,在提升定位精度时较大的定位指纹库会导致在线定位的指纹匹配复杂度较高,从而影响定位效率的问题,本文提出一种基于IDE算法优化网络的室内分级定位方法。在离线阶段,首先将定位区域内采集的定位指纹数据集通过聚类划分成多个子区域指纹库,然后再分别利用子区域指纹库对改进的差分进化算法融合Elman神经网络的定位模型进行训练,从而得到每个子区域对应的精细定位模型。用户在线定位阶段,首先将用户终端所采集的指纹信息与子区域指纹库所对应的聚类中心进行匹配实现区域级定位,然后再利用该子区域已训练好的定位模型进行精确定位。通过实验测试表明,本文方法的平均定位误差为1.75 m,在线定位的指纹匹配复杂度仅为O（N）,在提升定位精度的同时,有效地通过降低指纹匹配复杂度保证了较高的定位效率。