随着信息的急速增长，如何处理大数据以及如何提供可靠的信息成了关键。将信息附上定位标签成了一种最常用的处理方式。伴随着移动设备和个人设备的流行，定位成为热门。定位系统能够判断设备的位置信息，同时将位置信息用于基于定位的服务,如导航，跟踪，监测等。GPS系统能够方便地提供室外的个人定位信息，但是GPS依靠卫星和接收者之间信号(line-of-sight)的传输；在室内情况下，信号的衰减导致GPS定位信息的不可靠。室内定位系统用于提供在室内环境下个人和设备的位置信息。精度和计算收敛时间被认为是评价定位技术最重要的因素。本文介绍了基于惯性测量和RSSI的无线传感器室内定位系统，该系统通过可穿戴式无线传感器节点和环境辅助传感器节点来采集步行者的位置信息。可穿戴式节点采用惯性测量(Dead Reckoning)方法。Dead Reckoning是一种很重要的导航技术，在古代就已被用于航海事业。通过一个已知点位置，以及前进方向，速度，时间，就能够算出当前的位置信息。惯性测量在短距离定位上有较高的精度，但是具有累积误差的缺点。为了克服惯性测量的累积误差,通过在室内环境中布置RSSI节点来矫正步行者的位置信息。并采用扩展性的卡尔曼滤波算法将惯性测量和RSSI测量数据结合起来，同时实现了自适应的步长算法，很大程度上改进了步长不正确读取带来的误差。相对于纯粹的惯性测量系统，我们的系统提高了66.3%的精确度。随着惯性测量的移动设备和无线通信芯片的普遍使用，相信这样的系统会有很大的应用前景。