随着移动互联网的兴起,位置服务已经成为人们必不可少的生活服务,特别是在GPS覆盖不到的室内复杂环境中。WiFi是应用最为广泛的室内定位技术之一。然而由于多径效应和室内环境多变等因素造成的信号波动,影响了基于WiFi的室内定位精度。此外,行人在室内走动也会改变WiFi信号的强度,且没法做到实时的WiFi指纹数据库匹配,因此基于WiFi的室内定位对于运动中行人位置的高精度定位效果也不好。为了处理上述问题,本文提出一种基于运动预测的算法修正WiFi指纹,并对行人航位推算进行改进用于提高了短距离室内定位跟踪的精度。由于行人航位推算随时间有累计误差不适合长时间运动行人定位,最后提出一种基于自由化粒子滤波的融合室内定位算法。论文主要研究工作如下:首先,提出一种基于运动预测的WiFi指纹算法,包括RSS秩指纹算法和运动预测方法,对WiFi位置指纹算法进行改善。针对恶劣环境引起的信号衰落以及不同终端的差异,联合RSS秩指纹算法与贝叶斯算法进行匹配定位,即使用RSS秩向量进行相似度测量确定位置相近区域,然后在这些相近区域内采用贝叶斯匹配算法进一步定位。而就信号波动依旧影响定位精度问题,采用运动预测方法推断贝叶斯算法估计结果的合理性,并作出一定的修正。仿真结果表明基于运动预测的WiFi指纹算法能够有效地提高室内定位的精度。其次,提出了自学习阈值步伐检测算法和改进式整合步长估计算法,对行人航位推算进行改进。针对行人步态受到自身与环境的影响问题进行研究,分析加速度信号图形,自学习地实时改进阈值来检测步伐。然后分析快步、常步以及静止状态下的步长,改进并整合步长算法来估算步长。仿真结果表明改进后的行人航位推算能够在短时间跟踪过程中更好地提高定位精度。最后,提出了一种融合室内定位算法,采用自优化粒子滤波对改进后的行人航位推算与WiFi位置指纹算法进行融合室内定位。为确定室内定位初始绝对位置,针对行人从室外进入室内,提出室内外无缝切换算法,借助高海拔卫星GPS的特性找到合适切换点作为初始绝对位置,若在室内则WiFi静态定位确定初始绝对位置。然后,针对多样性匮乏的粒子不能更好地进行融合定位这一问题,提出自优化粒子滤波算法,在重采样保留高权重粒子后,将低权重粒子的特性嵌入已复制的高权重粒子中来提高多样性,最后进行融合定位。仿真结果表明基于自优化粒子滤波的融合室内定位跟踪算法在无需增设额外设备以及低粒子计算量的基础上误差可以维持1.78m左右,提高了室内定位的精确度和鲁棒性。