随着移动互联网的兴起,人们对基于位置隐私服务的应用与需求不断增加。由于WLAN（Wireless Local Area Network,WLAN）的普遍应用,基于WIFI（Wireless Fidelity,WIFI）指纹的室内定位技术无需额外设备就可以直接用于目标定位,且定位精度较高、兼容性强。基于WIFI位置指纹的室内定位技术是通过在待定位点接收接入点（Access Point,AP）的接收信号强度指示（Received Signal Strength Indication,RSSI）来与指纹库中的指纹进行匹配从而确定目标位置。然而,当室内环境发生动态变化时,AP通信受到环境干扰,定位结果会出现较大误差。针对在室内复杂动态环境下,现有指纹定位算法无法降低异常RSSI干扰,传统粒子滤波算法无法保证观测值的可信度等问题,本文运用了基于WIFI指纹识别法、粒子滤波算法和行人航位推算技术（Pedestrian Dead Reckoning,PDR）对目标实现静态定位和跟踪定位。实验表明在复杂动态的定位环境中本文提出的算法仍能保持较高的定位精度和稳定性。本文主要研究工作包括:针对定位过程中室内动态环境对不同区域AP通信干扰的问题,本文提出一种基于AP位置判别能力的室内安全定位算法（Indoor Security Localization Algorithm Based on Location Discrimination Ability of AP,SLABLDA）。该方法在离线阶段通过对初始指纹预处理后保存到指纹库中,同时保留AP信号的完整性。在离线检测阶段提出AP位置判别能力函数,有效排除区域性动态环境造成的异常RSSI干扰,准确计算不同区域中AP的位置判别能力。在线阶段,通过RSSI最小差值匹配模型计算参考节点与目标节点的相似度,并将AP位置判别能力权重化纳入位置估计大大提高了在线定位的精度。经过实验分析,本算法在复杂动态的室内环境下仍然能够保持较高的定位精度和稳定性。针对传统粒子滤波算法中跟踪效果受环境因素干扰较大、反复重采样后粒子贫化等问题,本文提出了一种基于行人航位推算（PDR）的可信粒子滤波跟踪定位算法（Tracking and Localization Algorithm of Trusted Particle Filter Based on PDR,TPFBP）。该算法在离线阶段建立PDR运动模型和系统状态方程,在线跟踪阶段对目标进行预估判断,从而对观测值进行了可信度检测。在重要性采样阶段,该方法通过设置粒子权重阈值将粒子分类,然后对粒子进行随机优化组合采样,解决了粒子样本的贫化问题。经过实验分析,本算法在环境干扰因素存在的情况下能够准确地跟踪目标并实现定位。