近年来,随着第五代移动通信和物联网(Internet Of Things,IOT)技术的飞速发展,室内无线定位技术逐渐成为了人们的研究热点,并且成果突出。其中,基于RSSI的室内定位和基于惯性传感器的行人航位推算(Pedestrian Dead Reckoning,PDR)是室内定位中应用最为广泛的两类技术。基于RSSI的定位技术可以获得目标的绝对位置信息,但是其要求室内环境中预先部署足够多的锚节点,且RSSI值易受环境因素的干扰,导致定位结果波动性较大。而PDR技术可以获取目标的相对位置信息且不需要预先部署额外的节点,其定位精度主要取决于行人步态、航向以及步长估计的准确度,但是随着定位时间的增加该技术容易产生累计误差。针对以上问题,仅从单一定位技术为切入点来提升定位性能已经十分困难。基于此,本文主要研究基于RSSI和PDR融合的室内无线定位与跟踪方案。本文首先从数据采集、距离转换、定位算法三个方面对RSSI定位所涉及的关键技术进行深入分析,针对RSSI定位中距离转换误差控制率低的问题,提出一种针对路径损耗系数的动态估算方法。该方法充分利用了定位系统中的锚节点信息,提升了系统的抗干扰性能。同时,重点分析PDR定位中的行人步态检测、行人步长估计以及行人航向检测,针对PDR定位中步长估计模型准确度低以及步态检测算法对行人行走状态变化不敏感的问题,提出一种联合RSSI信息的PDR步长辅助计算策略。该方法可以针对行人的不同行走状态对步长进行动态的调整;并通过引入动态阈值和时间阈值对传统的波峰检测算法进行改进,大大提高了计步准确率。实验表明,针对两种定位技术的改进对于定位性能均有一定提升。进一步,在移动目标的跟踪方面,针对RSSI定位结果的波动性以及PDR定位的累计误差问题,本文提出一种基于扩展卡尔曼滤波的RSSI/PDR融合跟踪方法。该方法通过引入行人航向角作为状态向量,使得系统状态方程和观测方程更接近实际的系统状态。通过实际测试,该融合算法有效抑制了RSSI定位结果的波动性以及PDR定位的累计误差,使得定位跟踪轨迹更接近行人真实的运动轨迹。最后,针对所提出的RSSI/PDR融合定位跟踪方案,本文搭建了一套基于ZigBee和JY901模块的集中式定位跟踪系统。在PC端完成了基于Visual Studio 2013和MFC框架的上位机软件设计,同时基于Z-Stack协议栈完成了各节点底层软件的开发。在系统调试阶段,通过定位、跟踪实验,验证了该定位跟踪系统的性能。