现代社会,定位技术已经成为信息通信领域的研究热点之一。由于全球定位系统GPS信号对建筑物的穿透力较弱,GPS信号无法很好的覆盖建筑物内部,因此室外已经非常成熟的GPS定位技术无法应用到室内定位中。同时,室内环境复杂,较多的遮挡物和室内人员的复杂活动等都增加了室内定位实现的难度。目前,虽然基于无线信号的室内定位技术的定位精度和部署难度已经基本满足室内定位需求,如基于蓝牙的室内定位技术、基于WiFi的室内定位技术等,但是由于室内环境情况复杂,无线信号易受到干扰从而使得定位结果出现波动影响定位结果的精度,因此如何提升室内定位技术的抗干扰能力是目前室内定位的关键问题。由于使用单一定位技术很难解决这一问题,因此使用多种定位技术进行联合定位成为了目前室内定位技术的发展趋势。本文针对基于RSSI(Received Signal Strength Indication,接收信号强度指示)的位置指纹定位技术和行人航迹推算PDR(Pedestrian Dead Reckoning)定位技术进行了深入的研究,并针对两种技术提出了联合策略,提高了定位精度和系统稳定性。针对室内环境中无线信号传播不稳定、无线信道传播路径损耗模型无法精确反映室内实际环境中距离与信号强度的对应关系,以及实际定位时由于室内环境发生变化导致最终定位结果不理想的问题,本文针对基于RSSI位置指纹室内定位算法中的各个阶段提出了改进方案。首先,针对Beacon硬件本身存在的误差和所处的实际环境变化带来的环境偏差,提出了针对接收信号强度指示的RSSI修正方法,修正了RSSI值和实际环境中距离的关系。之后,针对位置指纹定位算法中KNN(K-NearestNeighbor)指纹匹配算法的计算量较大的等问题,提出了基于空间过滤的KNN算法,有效减少了算法的计算量。最后,针对KNN指纹匹配算法在最终计算目标终端的位置时没有考虑各参考节点对位置的贡献度的问题,提出了加权KNN指纹匹配算法,提高了定位精度,并进行了仿真实验验证。为了提高行人航迹推算定位技术的定位精度以及算法的稳定性,本文设计了一种步频检测算法并提出了一种新的步长估计模型。首先,针对步频探测中加速度传感器测量的加速度信号值中包含地球的重力分量,并且存在传感器测量噪声以及行人行走时身体抖动等问题,设计了一种基于滑动窗口的步频探测算法。在滑动窗口中对加速度信号值进行重力加速度的剔除和滤波处理,并使用峰值探测法和零交叉点法相结合的方法进行步频探测。然后,针对步长估算中行人步长发生变化时传统步长估算模型误差较大的问题,提出了一种新的步长估算模型,增强了加速度与步长之间的关系,从而更好的应对行人步长变化的情况,提高了定位精度。最后进行了实验验证。最后,为了提高位置指纹技术对室内环境的抗干扰能力,本文提出了一种基于RSSI位置指纹与行人航迹推算定位技术的联合定位策略。在定位的初始阶段,使用本文改进的RSSI位置指纹技术获取初始位置,然后使用改进的行人航迹推算技术估算行人位置,当RSSI信号强度高于阈值时,使用RSSI位置指纹定位技术对行人航迹推算的定位结果进行修正。并根据本文提出的改进定位算法基于Android平台和iBeacon平台设计了定位系统。实验结果表明本文提出联合算法有效的提升了定位系统的定位精度和稳定性。