在现代无线通信网络技术繁荣昌盛的今天,基于位置的服务（LBS）已深深融入人们生活中。据统计人们百分之八十的活动均在室内进行,如商场、医院、家居、安全防控火警救援等行业需求,所以研究室内定位项目具有深刻的意义。基于MR地址指纹定位技术和行人航位推算法（PDR）的定位技术以其快速、准确、定位精度高、成本低等优点成为定位技术领域的研究热点。但是MR指纹定位技术不足之处在于其呈现跳跃性定位,且定位精度易受干扰信号影响。而另一种PDR定位技术,存在误差累积的问题,导致定位精度下降,所以本文研究了一种将MR指纹定位与PDR定位技术相融合的定位方法,并结合自适应滤波器进行位置预测。本文通过MR指纹定位提供观测修正值,并为PDR的状态预测提供修正参数,以进一步提高定位精度。论文首先研究了依据无线信号强度在空间栅格内的组合特征,建立MR地址指纹数据库,对最邻近法（NN）、K邻近法（KNN）、加权K近邻法（WKNN）和BP神经网络算法在定位阶段进行了理论分析和仿真对比,选定WKNN算法作为MR指纹定位应用算法。其次,论文研究了基于传感数据的行人航位推算法,包含对加速度传感数据和方向传感数据的采集、信号去噪处理,研究了行人行进步数、步长和方向,确定定位坐标等。最后,为解决PDR定位算法累积误差大和MR指纹定位漂移性的问题,本文分别用扩展卡尔曼滤波（EKF）算法和粒子滤波（PF）算法融合了MR定位和PDR定位算法进行定位预测。论文对MR指纹定位、PDR定位、扩展卡尔曼滤波融合定位方法和粒子滤波融合定位方法进行了仿真实验,通过对比测试,得出扩展卡尔曼滤波和粒子滤波融合方法相较于传统MR定位算法、PDR定位算法在定位精度上有大幅提升。