对于消防员、警察、特种部队等单兵作战人员而言,定位服务起着无可替代的作用,单兵导航技术需要在已知或未知的环境中为单兵作战人员提供高精度、高稳定性以及高实时性的定位信息。但现有单兵导航技术普遍是采用单一的定位信息技术,无法适应在商场、地铁、矿井等复杂环境。因此,研究一种能在复杂环境中实现高精度的定位技术十分必要。而能在环境中随处获取的机会信号以及能实现自主导航的惯性导航技术为研究提供了可能。基于此,本文以WiFi信号和超宽带（Ultra Wide Band,UWB）信号两种机会信号为辅助修正惯性导航技术产生的累积误差,极大提高了单兵导航的定位精度。本文主要研究内容如下:1.针对WiFi信号的特点,提出了基于WiFi指纹定位的方法,对在线定位阶段提出了基于信号强度方差选取权值的改进加权K近邻法匹配定位算法,降低异常信号强度值对定位的影响,提高定位精度;针对UWB信号的特点,建立了测距误差模型,引入加权最小二乘法,降低UWB定位算法的复杂度。2.根据机会信号UWB定位技术和WiFi定位技术在定位精度和非视距能力上的互补特点。在标准粒子滤波的基础上,提出了基于优化粒子滤波的WiFi/UWB融合定位算法。实验证明,优化粒子滤波较标准粒子滤波定位精度提高了9.82%,在?=1 m时,轨迹还原度提升了19.87%。3.利用机会信号修正航迹推算（Pedestrian Dead Reckoning,PDR）算法的累积误差,提出了基于扩展卡尔曼滤波（Extended Kalman Filter,EKF）的机会信号与PDR的组合定位算法。实验证明,融合WiFi/UWB与PDR基于EKF的组合定位算法相较于纯PDR、WiFi修正PDR、UWB修正PDR组合定位算的定位精度分别提升了68.68%、65.99%、50.55%;平均轨迹还原度在?=1 m时,还原度分别提升了41.07%、17.02%、7.34%。对组合定位算法长航时的实验证明,长航时相较于单圈,定位精度仅低了17.78%,平均轨迹还原度在?=1 m时仅低了1.22%。说明了该算法能有效降低PDR算法的累积误差,提高定位精度。