物联网技术的不断完善,带动了一批新兴技术的发展。其中,短距离通信技术在物联网技术的支持与带动下逐渐成为研究的热点。随着智能手机的普及,室内导航定位技术也逐渐成为人们生活中必不可少的部分。本文主要对几种典型的室内定位算法进行研究与改进,主要的研究内容如下:首先,对几种典型的Wi Fi定位模型进行介绍。并提出一种基于Wi Fi信号的影响因子改进的室内定位算法,改进算法主要基于对定位精度的主要影响因素进行分析。为实现较高的定位精度,在数据库构建的初期,对指纹库内的数据点进行预处理。再使用影响因子对定位结果进行加权,通过实验对比分析改进算法的优势和精度范围等。其次,对KNN算法和贝叶斯匹配算法的原理进行介绍,并提出一种基于KNN和贝叶斯联合改进的定位算法有效地降低信号强度值波动对定位结果造成的影响。在联合改进算法实现之前,对KNN算法中K值的选择进行实验,以确定最佳K值。通过实验进行对比传统的加权算法WKNN与联合改进算法的误差结果,对比传统算法相对于改进算法的误差精度变化。最后,对基于行人航迹推测(Pedestrian Dead Reckoning,PDR)理论的实现的基本流程进行介绍,阐述算法的优缺点,以及主要的适用范围。利用智能手机的内置传感器对行人的步长、步频进行检测。在方向角检测的检测上,采用设定阈值的方式来对方向角进行测量,得出实验结果并通过实验对PDR算法进行实现。介绍基于Wi Fi与PDR融合定位的算法模型。阐述基于扩展卡尔曼滤波融合算法实现流程。并对融合算法输出的定位结果进行矫正,通过误差累积函数对融合算法的定位结果加以说明。实验结果显示,融合算法在不但可以降低Wi Fi信号强度波动对定位结果造成的影响,而且可以降低PDR算法的累积误差,提高算法的定位精度,降低误差的范围。