随着物联网技术的飞速发展,无所不在的异构网络环境为目标定位提供了丰富的信息融合空间。传统基于同构网络单一信号源的定位方法对目标所处环境信息利用不足或利用效率低,导致现有定位算法的精度较低,稳健性较差。针对上述问题,本文根据被定位目标所处异构网络环境的特点,以无线局域网(Wireless Local Area Network,WLAN)为主干网络,基于不同的融合框架研究了多种不同的高精度融合定位方法。主要内容为:1.研究了惯性导航辅助的接收信号强度指示(Received Signal Strength Indicator,RSSI)融合建库与定位方法。针对传统指纹定位在离线阶段数据库采集和维护工作量大,同时现有插值快速建库方法提供的指纹库可靠性低等问题,提出了由惯性导航辅助的RSSI融合建库方法。该方法利用来自同一WLAN网络中的多种异构数据源,包括RSSI测量、惯性传感器测量、电子地图信息,在实际定位环境中能快速且高密度地采集指纹库,且所采集指纹库稳健性优于其他插值算法所提供的密集指纹库。在此基础上,还提出一种多分类器与惯性导航动态融合的定位方法,在真实环境中的实验验证表明,该动态融合定位方法在定位精度和稳健性上优于非融合定位方法和传统的卡尔曼滤波融合定位方法。2.研究了超宽带(Ultra Wide Band,UWB)网络中精确测距与WLAN网络中RSSI测量的异构网络融合定位问题。针对实际定位环境中信号被遮挡现象严重、信号以非视距传播为主,导致大部分UWB基站的到达时间测量无效,无法满足实际定位需求等问题,提出融合UWB与WLAN网络中不同测量信息的定位算法。算法通过对数正态模型,将WLAN中的RSSI测量转换为距离信息,通过构建误差函数优化模型,结合UWB单基站精确测距,利用快速搜索方法,达到了仅需两个WLAN基站及一个UWB测距基站便可精确定位的效果。与现有算法相比,该算法在定位精度和时效性方面均有较大提升。3.研究了基于知识辅助的RSSI指纹与地磁自适应融合定位方法。为充分挖掘定位环境的异构信息源,首先利用由惯性传感器校准后的地磁信息和RSSI指纹形成数据级融合的高维特征指纹,然后通过主成分分析对高维融合特征指纹进行降维并去相关;其次,离线训练知识库,包括基于多指纹函数的训练模型和全局融合权值矩阵;最后,利用上述融合权值矩阵的离线知识辅助在线进行自适应融合定位。所提方法充分利用了目标所处环境信息,实测定位结果优于单一测量或单一算法的定位结果。4.研究了基于信道状态信息(Channel State Information,CSI)的动态区域状态检测方法在动态融合定位中的应用。通过引入对环境敏感的CSI信息检测待定位区域有无人员,实现了一种高精度区域状态检测方法,用以辅助动态融合定位。该方法在缩小指纹库匹配范围的同时,大大降低了定位中的大误差出现的概率。最后,基于Matlab软件搭建了一套定位平台,通过融入该检测信息来分析和呈现最终的定位结果。