随着信息的迅速发展和生活工作的加快,人们需要摆脱复杂的家庭工作。与此同时,中国实行多年计划生育政策后,形成的人口倒金字塔结构使得老龄化的家庭结构越来越多,必然会增加更多年轻家庭的压力,生活节奏和工作压力也会使年轻人陪伴孩子的时间越来越少。服务型机器人市场将会随之而生,受到人们的广泛青睐。复杂环境下的智能定位是服务型机器人为人类提供高质量服务的前提。服务型机器人的定位更多的是室内定位,由于室内环境的复杂性和定位的准确性以及对安全的特殊要求,室内无线定位技术具有与普通定位系统不同的特点,这些特点在室外定位技术中是不可用的。如何在各种室内环境中选择合理有效的定位方法,已成为研究服务型机器人定位技术的关键。然而,由于大多数模型和系统都是基于单个数据源开发的,定位精度较低;一些基于单个数据源的高精度算法模型需要昂贵的硬件设施来支持。所以利用多源信息融合的方法实现各类定位技术的优势互补和降低硬件成本已成为目前室内定位研究的重点。本文针对现有无线定位技术存在的问题,根据其特点,选用了“安全性高、功耗低、成本低、热点多”的Wi-Fi无线通信技术作为研究对象。完成的工作及创新点主要有以下几个方面:第一,针对无线信号在复杂多变的环境中传播时无法避免因多种因素,尤其是Wi-Fi硬件设备问题造成的影响,致使无线信号覆盖范围不够,信号强度衰减。本文提出了一种超小型Wi-Fi天线单元,使用DGS结构作为天线的反射板,将工作在1.7 GHz～2.7GHZ的天线与相应工作频率的DGS结构进行一体化设计。经过设计的Wi-Fi天线,有效提供了紧凑的结构、较宽的频率、多样的布局及全向的覆盖,从而更有效的保障无线信号在最终达到时的信号强度衰减减弱,在保障传播效率,提高定位精度的同时,又能减少定位成本,达到服务型机器人的高精度定位要求。第二,针对定位算法中指纹特征库构建困难,匹配数据量大,计算时间长,实时性不好的问题。本文提出了一个基于位置指纹的快速定位算法,在数据采集阶段建立聚类指纹库,进而选择出聚类子集,再从子集中选取指纹点并估算出位置距离,以达到降低运算时间,快速估计位置距离的目的。在位置估计测距时对于变化范围较大的数据进行标准化加权处理,克服权重相同会严重导致样本不平衡问题。在不改变定位精度或者提高定位精度的情况下,改进指纹匹配算法,提高指纹数据库中数据的准确性,减小指纹数据库的复杂度,有效降低定位精度对于指纹特征点密度的强依赖,提高定位系统的定位实时性,降低服务型机器人功耗。第三,针对无线信号传播时噪声干扰因素居多,单一信息源定位受干扰严重,定位精度不高。本文提出了一个基于扩展Dempster-Shafer证据推理的多源信息融合定位算法,利用Dempster-Shafer证据推理解决基于RSSI位置指纹法的室内定位问题,通过建立满足定位需求的识别框架,构建适合的基本概率分配函数,再按照某种特定组合规则将来自不同信息源的RSSI值进行融合建立决策规则得到最终目标位置。解决传统Dempster-Shafer证据推理在解决证据严重冲突时融合问题存在的明显不足,即:问题一,当证据间冲突较低且集合基数差别很大时,会引起信任度分配不恰当。问题二,当证据间冲突较高无法有效处理时,往往得到的结论与常识不符。通过整合不同信息源的信息,获取单一信息源无法获取的综合信息,从而有效提高定位精度。第四,针对实际环境中障碍物形状复杂,精确定位后服务型机器人避障结果不佳,本文给出了一种针对凸多边形不规则障碍物全局最优的路径规划避障方法,作为上述定位算法使用后的应用延伸,首先建立环境感知模型,再借鉴启发式算法的思想通过二次规划的思路提出了改进的几何路径规划避障算法,通过仿真模拟实验分析了算法的性能,证明在精确定位后,服务型机器人遇到复杂障碍物时,该算法能满足凸多边形障碍物全局最优的路径规划,从而达到提高搜索路径的准确性。