随着无线局域网和智能移动终端的快速普及,基于位置感知服务正逐步改变移动设备的使用模式,在人们的社会生活中发挥着越来越重要的作用。基于位置指纹的Wi-Fi室内定位技术相比于其他定位算法,具有定位精度高、覆盖范围广、可靠性好、成本低等优势,满足大多数室内定位的要求,所以在工程实践中被广泛使用。此外,移动设备微惯性器件(如加速度传感器、陀螺仪等)的集成,使得基于惯性定位的室内定位技术成为可能。相比于位置指纹法,惯性定位法不易受环境因素干扰。本文针对Wi-Fi位置指纹方法和航位推算法(DR)各自的特点,利用扩展卡尔曼滤波算法组合位置指纹法和航位推算法,提出融合室内定位算法。主要包括如下研究内容:1.分析RSS信号强度特征,基于高斯滤波改进离线建库算法,提高位置指纹库的可信度。改进朴素贝叶斯算法定位精度与参考节点间距成正比关系的不足,提出后验概率加权的朴素贝叶斯算法,提高室内定位的精度。2.基于扩展卡尔曼滤波,融合Wi-Fi位置指纹和航位推算算法,提出Wi-Fi/DR融合室内定位算法,分别建立定位系统的状态方程和观测方程。3.采用Netty服务框架,在腾讯云上搭建基于HTTP长连接支持心跳检测和SSL加密传输的高并发服务端。利用基于H5开发的Android系统的客户端,进行实际环境室内定位测试工作。定位性能实验结果表明,提出的Wi-Fi/DR融合室内定位系统的性能优于Wi-Fi或航位推算子系统的性能,提高了室内定位的定位精度;系统性能实验结果表明,设计实现的定位系统具备高并发能力,单机环境最大并发访问数达到2万(处理器:酷睿i3 330M,内存:4GB)。