在人工智能、5G技术高度发展的今天,室内定位技术越来越成为人们生活、工业生产、智慧城市建设、安防领域的刚需,起着举足轻重的作用。当下各类室内定位技术百花齐放,例如,基于无线通信、惯导、激光雷达、视觉等的室内定位技术。但室内定位并没有像室外定位技术一样形成统一化、标准化。传统的基于纯惯导定位系统可不依赖部署设备实现自主定位,但惯性器件的固有漂移导致定位结果存在有累积误差。地图匹配数据融合算法通过地图上的边界约束,在保证自主定位的基础上修正累积误差,然而传统粒子滤波算法的地图匹配定位技术,在定位精度、地图利用上仍存有不足。因此论文针对上述问题对基于地图匹配的室内定位方法进行研究,结合地图与惯导数据构建室内自主定位框架。其主要的研究工作如下:（1）论文从地图表示方法出发,将地图数据抽象为可通行点的集合,并提取其在各个方向的邻点,构成具有地图上下文信息的点序列。（2）论文针对地图数据的智能提取算法展开讨论。论文以自然语言处理领域中语言模型为启发,探究语言模型中词嵌入方法在地图数据上的应用,构建基于动态词嵌入模型的地图数据智能提取算法,将地图可通行点表示为含有上下文距离和方向信息的实数向量。（3）论文结合粒子滤波算法、动态词嵌入和变分自编码器模型,构建基于概率模型和深度学习的室内定位算法。该算法用粒子群模拟行人的运动分布;利用动态词嵌入模型学习地图特征,并将地图信息嵌入至粒子状态中;使用变分自编码器学习粒子群的分布特征,结合粒子群的历史轨迹,改善定位效果。论文利用真实场景地图训练动态词嵌入模型,证明了动态词嵌入模型对于地图数据处理的有效性;在3个真实场景下设置真值标签实验地,共采集有效真值轨迹610条用于训练变分自编码器,验证了基于粒子滤波、动态词嵌入模型和变分自编码器的定位算法对于定位精度提升的可行性。