随着无线网络技术的发展与现代化城市建设的快速发展,基于位置感知的服务(Location Based Services,LBS)在个人位置服务、医疗领域、电子商务、紧急救援、智能家居等多方面显示出巨大的活力,是近年来备受关注的一大研究热点。而具有较高精度的室内定位与导航技术是实现LBS的基础与关键。传统的全球定位系统GPS(GlobalPositioningSystem)和蜂窝移动通信技术在室外时拥有较高的定位精度,但是在室内环境中GPS信号会受到遮挡,导致定位精度大大下降。相比于已有的室内定位技术,从部署成本、定位精度、后期维护、传输速度、可移植性等方面综合考虑,基于WiFi(WirelessFidelity)接收信号强度(Received Signal Strength,RSS)的室内定位技术不需要布设其他硬件设备,通过充分利用已有的WiFi设施,即可在任何具有WiFi模块的智能移动设备上实现定位,在众多定位算法中具有一定的优势。然而,RSS容易受到外界环境干扰,严重影响室内定位系统的稳定性与准确性,单纯的基于WiFi信号的定位无法满足人们对室内定位服务的精度要求。针对上述问题,本文通过对WiFi信号接收强度的特征分析,提出基于信息融合的室内定位算法,将基于RSS的WiFi位置指纹定位算法与行人航位推算算法(Pedestrian Dead Reckoning,PDR)通过Kalman滤波器进行数据融合实现定位,并在智能移动终端上开发实现了集室内定位、导航、追踪为一体的应用系统。本文的主要内容和创新点包括:(1)三维室内空间模型的构建。结构清晰、具有良好的表达能力和视觉效果的室内空间模型是实现室内LBS的基础。相比于室外环境,室内空间结构的复杂性对室内建模提出很大的挑战。本文根据现有的室内数据文件,设计并构建了基于"结点-弧段"结构的三维室内空间网络模型,用以表达室内空间要素的空间属性与拓扑结构,作为地图可视化与室内导航的基础。并进一步具体论述了基于Voronoi图的室内走廊中轴线提取原理,实现了建筑单层路径的自动提取,提高了建模的效率。(2)改进的基于RSS的位置指纹定位方法。本文通过对RSS的深入研究,从室内定位的角度分析了不同因素对RSS的影响。并针对RSS的复杂性与多变性特点,提出基于空间收敛的WKNN(Weighted K-Nearest Neighbor)室内定位算法,实现了较为精确地室内定位。同时,通过采用不同的接入点(AccessPoint,AP)选择和匹配机制,去除冗余的AP数据并优化AP定位子集合,提高定位算法的效率与精度。通过与同机制下的算法进行比较,本文提出的算法在实时性和定位精度方面均有提高。在实验环境下,以1.5米的采样间隔创建位置指纹数据库,在使用6个AP进行定位的情况下,获得的平均定位误差为1.68 m。(3)基于Kalman滤波的多数据融合室内实时追踪与导航。在实时室内导航过程中,基于RSS的位置指纹定位算法易受室内环境变化的影响,存在定位不稳定且精度不高的现象,对于运动物体的位置描述也存在不规则跳跃现象;而PDR算法可直接利用移动设备自带的传感器,通过对行人运动状态的估计进行相对位置预测,但是定位存在不可消除的累计误差。本文建立Kalman滤波器对两者定位信息进行数据融合和轨迹平滑,以实现在室内导航过程中获得较高精度的室内实时动态定位精度。并通过行人轨迹方向检测,在转弯处对Kalman滤波进行重置,来降低线性运动模型在转弯处的累积定位误差。同时,文中利用设备气压计数据来识别导航过程中用户的上下楼行为,实现了适用于智能移动设备的多楼层的定位与导航系统。通过实验验证,在室内动态追踪与导航过程中系统的平均定位误差为1.2m。将算法结果与PDR、WiFi定位进行对比,本算法在随着时间上的累积误差上表现最为平稳。