随着互联网和移动设备的全面普及,基于位置服务的需求在不断增加。定位精度,技术成本和算法效率决定了室内定位系统能否在实际生活中落地应用。位置指纹定位法定位精度相对较高,但是由于室内环境存在信号干扰等问题,单一的位置指纹算法不能很好地适配实际场景。并且该算法存在定位结果不稳定和采样成本过高的缺陷。行人航位推算法（Pedestrian Dead Reckoning,PDR）定位成本低,定位结果相对稳定,但是存在无法确定初始位置且有累积误差的问题。目前通用的移动终端是手机设备,基于手机平台的室内定位技术还不成熟。针对以上问题,本文提出一种多源融合定位算法,设计并实现了一套室内定位系统。主要研究内容如下:针对位置指纹定位法离线阶段采样成本高的问题,研究了一种水晶形i Beacon放置（Crystal-shape i Beacon Placement,CIP）布局策略。在CIP布局的基础上,对传统位置指纹算法做出改进。在离线阶段采样时,用一块代表性区域的指纹信息来取代整个定位区域的指纹信息。在线阶段定位时,选取信号强度值最大的i Beacon的相邻i Beacon作为参考点,通过加权K邻近算法计算出定位位置。仿真结果表明,改进算法与传统布局的位置指纹定位算法的定位精度差不多,但是降低了采样成本,同时将匹配算法的复杂度从O（n2）降到了O（n）。实验结果显示平均定位误差为1.72m,通过增加采样密度平均误差可以达到0.80m。针对位置指纹定位法定位结果不稳定的问题,将改进的位置指纹算法和PDR算法进行融合。将位置指纹算法计算出的初次定位坐标设置为PDR算法的初始位置,采用时间与距离的乘积作为阈值。当达到阈值时,将两种算法的定位结果通过扩展卡尔曼滤波器进行融合,并将定位结果更新为PDR算法的初始位置。实验结果表明融合算法的定位精度相对于单一指纹算法提升了35%。鉴于低成本和高精度的定位需求,本文设计了一套室内定位系统。系统具备蓝牙扫描、实时定位、地图匹配和路径规划等功能模块。实时定位模块采用改进的融合定位算法;地图匹配模块采用基于隐马尔科夫模型的地图匹配算法;路径规划模块采用A*算法。系统在Android平台和小程序平台进行了实现,并在市区某地下停车场进行了部署测试,实际场景显示系统功能模块运作正常。