室内定位作为基于位置服务（Location Based Service,LBS）的关键技术,受到了学术界与工业界的广泛关注。目前,基于Wi Fi指纹的主流室内定位技术虽然无需额外硬件设备,但易受到室内环境的影响从而导致定位精度不高,系统缺乏鲁棒性,并且该技术离线阶段繁重的数据采集工作进一步限制了系统的可扩展性。另一方面,基于移动设备内置传感器的惯性导航技术虽然能够有效的推算用户位移,但该方法易受到累积误差影响,无法实现有效室内轨迹追踪。鉴于此,本文深入探究了基于Wi Fi指纹定位和惯性导航相融合定位技术,提出了一种基于粒子滤波的室内轨迹追踪方法ZSSO（Zero Site-Survey Overhead）。该方法无需专门的离线数据采集阶段,能够自动完成Wi Fi指纹的采集并进行融合定位,极大的提高了系统的可扩展性。在此基础上,本文设计了一个Wi Fi指纹的迭代更新策略IFU（Iterative Fingerprint Update）,用于进一步提高系统的鲁棒性。最后,本文通过详尽的现场实验证明了所提出方法的有效性。具体地,本文的主要研究内容概述如下:在ZSSO算法中,首先设计了一种基于粒子滤波的追踪方法。该方法能够依靠用户的运动信息以及地图信息来有效的追踪用户位置。在此基础上,提出了一种零成本的Wi Fi指纹采集方法。该方法无需额外的离线数据采集阶段,能够在用户行走时自动的完成Wi Fi指纹的采集。进一步,提出了一种改进的轨迹追踪方法。该方法能够通过融合Wi Fi指纹定位有效提高用户轨迹跟踪的准确性与完整性。在IFU策略中,首先设计了一个基于聚类的Wi Fi指纹库处理方法来去除Wi Fi指纹库中的异常数据并初始化Wi Fi指纹的权重。接下来,设计了一种Wi Fi指纹权重的迭代更新方法。该方法能够在无需用户介入的情况下,根据粒子滤波的反馈来评估Wi Fi指纹定位结果,并据此迭代更新Wi Fi指纹的权重。最后,本文搭建了一个室内轨迹追踪系统的原型并通过在现实场景中详尽的实验研究验证了所提出算法的可行性与高效性。首先,通过验证ZSSO中零成本Wi Fi指纹采集方法的有效性,证明了所提出算法的可扩展性。接下来,通过在不同室内场景下性能测试,证明了所提出算法的鲁棒性。