随着社会的发展,位置信息在信息社会中的地位愈发重要。例如,在无线传感器网络(WSNs)或移动互联网应用中,通过无线定位及导航技术可以有效提高位置信息的准确性并开展基于位置的服务。因此,对无线定位及导航关键技术的研究是非常重要的。本文主要研究WSNs应用中的DV-Hop(基于距离矢量)定位及移动互联网应用中的基于智能手机的E2E(端对端)室内导航。本文的主要工作如下:1)针对DV-Hop的定位模糊问题,提出基于梯度下降的分布式DV-Hop迭代求精算法(GDLR)。首先,GDLR基于DV-Hop的定位过程提出一种伪测距方法;然后,将DV-Hop结果求精问题建模为邻居节点间的伪测距距离和定位距离的差值的平方和最小化问题,并提出通过梯度下降求解该最小化问题;最后,实现了仅利用1跳邻居节点信息的GDLR1和同时利用1跳与2跳邻居节点信息的GDLR2求精算法。仿真结果表明,与DV-Hop相比,GDLR1和GDLR2的定位精度分别提高40%和53%;与两种最近的DV-Hop改进算法相比,GDLR1和GDLR2的定位精度分别提高33%和49%、29%和47%。此外,权衡定位精度和能耗,提出基于能耗有效的EGDLR算法。EGDLR通过避免GDLR2在迭代求精过程中向2跳邻居节点广播求精后的坐标,从而减少能耗。仿真结果表明,EGDLR的定位精度比GDLR1提高约22%,能耗却比GDLR2降低约65%。2)针对移动互联网应用中的基于智能手机的E2E室内导航,首次提出一种基于行人轨迹推算(PDR)和地磁信息融合的E2E室内导航算法(HMagPDR),它由基于PDR的路径匹配算法和基于DTW(动态时间规整)的地磁匹配算法组成。前者用于在相邻关键点(如转弯或上下楼)之间进行导航,后者用于检测路径偏移。此外,为提高PDR中的步数检测精度,HMagPDR算法提出一种基于组合滤波(滑动平均滤波与卡尔曼滤波)和自适应阈值的步数检测算法(ASD)。测试结果表明,与对比的两种PDR算法的步数检测方法相比,ASD的步数检测精度分别提高18.9%和10.3%。实验结果还表明,HMagPDR可检测最小距离为10m的相邻关键点,满足室内路径偏移检测的需要。3)实现基于HMagPDR算法的E2E室内导航系统(E2Enav)。E2Enav由APP和服务器组成。APP采用JavaScript的cordova框架,包括领路者参考路径和跟随者导航路径模块;服务器采用MySQL5.6数据库;APP和服务器通过移动互联网连接。E2Enav通过让用户们以自我激励的方式记录和分享路径跟踪信息以导航路径跟随者,从而实现了领路者-跟随者的E2E室内导航模式,可在室内场景下提供导航服务。实际场景测试表明,E2Enav对关键点的匹配率达100%且能在4 s以内检测出80%的路径偏移事件,可以用于室内导航。