随着经济社会的不断发展,移动互联网时代逐渐来临,移动通信和互联网之间的联系日趋紧密。用户可以使用智能移动终端随时随地的接入互联网,使得基于位置服务(Location-Based Services,LBS)逐渐成为移动增值服务重要突破口。并且随着全球定位系统(Global Positioning System,GPS)和智能终端的快速发展,室外定位算法逐渐成熟并拥有较高的精度。但是室内定位的各个技术依然存在着一些问题需要解决,当前室内定位技术研究的重点是如何获取高精度用户室内位置信息。本文以基于高维信息融合的室内定位作为研究对象,首先介绍了传统的加权K近邻算法(WeightedKNearestNeighbor,W-KNN)的室内指纹定位算法,并在W-KNN算法的基础上提出改进W-KNN算法的室内磁场指纹匹配算法,引入磁场稳定性去计算指纹之间的相似度,最终获取更加精确的定位信息,同时本文提出的系统不需要部署额外的定位设备且结构简单易于实现。本文针对行人航位推算模块的累积误差提出改进卡尔曼滤波算法,使用磁场指纹匹配模块得到位置信息去消除行人航位推算模块的累积误差。但是两个模块得到的位置信息存在较大差异性时会导致定位信息不精确,因此本文在卡尔曼滤波算法的基础上设置新的变量去定义位置的修正值,并根据位置的修正值去计算定位系统的实时位置信息并进行合理地校正,获得比单一利用磁场指纹匹配算法更高的定位精度。此外通过仿真证明了本文提出的算法在定位精度上有一定的提升。