近几年随着无线通信技术和智能手机的快速发展,近些年室内定位系统(Indoor Positioning System,IPS)已经成为了国内外各个室内定位团队的研究热门。虽然有很多团队的研究已经达到非常高的定位精度,但是至今还没有一种定位技术能商业的部署在各种室内环境下。在室内定位技术中比较常用的有行人航位推算(Pedestrian Dead Reckoning,PDR)方法、指纹法定位法和基于传播模型的定位方法。PDR技术能提供连续的位置估计,但是需要提供初始位置而且随着时间的增加会有严重的累积误差问题;指纹法定位由于可以使用环境中无线设备的信号,所以被广泛应用。但是指纹法定位方式需要耗费大量时间和人力成本去构建指纹数据库,并且需要定期的更新指纹数据库以保证精度;信号传播模型法在室内环境中受非视距传输(Not Line of Sight,NLOS)的影响很大。本文的研究是融合多传感器数据来提供能无监督式的定位算法,研究围绕着指纹数据库自构建、抑制指纹法定位抖动现象、抑制PDR累积误差等关键技术进行了融合算法研究,主要研究的内容如下:1、指纹数据库自构建及更新算法。传统指纹法需要在离线阶段耗费大量的人力和时间成本去密集采集Wi-Fi数据,且位置指纹法的定位方式对环境变化很敏感,需要定期手动更新指纹数据库。近些年很多研究采用指纹数据库更新算法,但是这类算法默认是信任用户反馈的,不能准确过滤其中的错误数据。本文提出了一种结合众包的指纹数据库自构建及更新算法(AUAFC),在离线阶段只需在少量地标处采集指纹数据,在地标间使用手机传感器数据进行航位推算以提供基本的位置服务。为了减小地标识别的边界误差,AUAFC包含一种地标识别边界收敛算法。当服务器端接收到用户反馈时启动动态聚类算法提取可信数据更新指纹数据库或向数据库中植入新的地标。2、融合手机传感器和iBeacon的室内定位算法(Su Loc)。由于指纹法需要花费人力和时间成本构建指纹数据库,本文尝试使用PDR方法提供定位服务,并且在融合基于iBeacon的地标矫正算法后,提出了SuLoc算法。针对PDR方法中严重的误差累积问题,本文基于iBeacon地标改进了地标矫正算法,并提出了可靠性定位算法,有效解决了阈值法地标矫正算法中重复矫正的问题。针对PDR方法中步长和方向估计的问题,在结合室内地图数据的前提下,本文融合了粒子滤波算法对步长和运动方向属性进行矫正,从实验表明其能有效矫正传感器误差及用户握持姿势引起的误差。3、多传感器融合的无监督室内定位算法(UILoc)。SuLoc算法中初始位置是基于传播模型法确定的,其位置受BLE信号波动影响导致定位结果存在较大误差。本文提出了UILoc,它可以自构建指纹数据库,并且结合传播模型法和指纹定位能提供更准确的定位结果。在实验分析过程中,本文基于UILoc实现了一个室内定位系统。最终实验结果表明UILoc算法的平均定位误差只有1.11米,并且相比较于SuLoc有着更好的稳定性。