随着信息化社会的快速发展,人们对基于位置的服务需求日益增长。在室外,卫星导航系统已相对成熟,可以满足人们实时准确的定位需求,而在室内,因室内环境的复杂性,目前尚未出现一种普适化技术能够为人们提供可靠高效的室内定位服务。基于WiFi信号的指纹定位技术以其成本低、易实现、覆盖范围广等优势,备受业界研究人员的关注。但是,该方法由于基于接收信号强度(Received Signal Strength,RSS)实现,室内环境的多变性和复杂性会对RSS产生较大影响,因此,单纯的基于WiFi信号实现定位难以取得连续,稳定,高精度的定位效果。基于智能手机的行人航迹推算(Pedestrian Dead Reckoning,PDR)技术虽然在短时间内定位精度较高,但它是一种相对定位且长时间的误差累积效应非常明显。如何结合不同定位技术的优势实现一种低成本、高精度、高性能的融合定位系统,是本文的主要研究内容之一。本文针对室内定位中存在的位置获取时间长、精度差、存在定位盲点以及多楼层定位不准确等几个关键问题,以提高精度和实时性、实现多楼层连续稳定的定位效果为目标,在研究基于WiFi和惯性传感器定位技术的基础上,利用多元信息融合方法,提出一种基于WiFi和手机传感器的室内三维定位方法。论文的主要研究内容包括:(1)针对位置指纹法存在的定位实时性和精度问题,基于聚类分析的思想,提出一种基于改进模糊核聚类(Kernel Fuzzy C-means,KFCM)和加权K近邻结合的室内定位方法,旨在缩短定位时间并改善定位精度。通过利用快速搜索和发现峰值聚类(Clustering by Fast Search and Find of Density Peaks,CFSFDP)确定聚类数目和初始聚类中心,克服传统KFCM算法对初始聚类中心选取的依赖性而导致聚类结果不稳定的缺点。在此基础上,采用加权K近邻进行定位匹配,提高定位精度。实验表明,本文所提出方法相较于无聚类的室内定位方法,能在保证一定精度的前提下,有效减少定位计算量和时间。(2)针对WiFi指纹定位精度不理想,定位波动大的问题,在研究基于手机PDR技术的基础上,提出利用卡尔曼滤波在数据层面对WiFi和PDR进行融合。其中,为提升融合定位效果,采用“上升过零点+峰值检测+动态阈值”的方法进行步数检测,利用磁力计和陀螺仪二者共同获取运动方向角,以减小PDR的定位误差。实验表明,经过上述改进措施,融合定位的结果在定位精度和稳定性上都得到了改善。(3)提出一种基于粗分类和KFCM聚类中心的楼层判别方法。首先针对指纹数据库维数较高,采用子数据库的方式存储指纹数据,并建立楼层间的无线接入点(Access Point,AP)分布区间数据库,在进行楼层判别时,先根据粗分类判断楼层,若判断结果不唯一,则根据距离聚类中心的远近进行楼层判断。实验结果表明,该方法对于AP部署较多的情况,能够实现97.8%的楼层判别准确率。