随着移动互联网的兴起与发展,智能手机等智能终端设备已经遍布在生活的方方面面。基于移动终端的位置服务也成为移动互联网业务中不可或缺的一部分。智能终端设备与人的活动息息相关,对智能终端设备的室内定位,也就成为智能终端位置服务的重要环节。目前的智能终端大多包含磁力计和摄像头,这两种传感器的使用,为智能终端在无需外部设备的情况下进行室内定位提供了基础。本文的主要研究内容是室内环境中基于室内磁场特征和地磁/视觉融合特征的定位方法。在基于磁场特征的室内定位方法研究中,本文发现了室内磁场在空间连续区域内具有的稳定特征,并提出了室内磁场序列模型。基于这个模型,本文提出了两种磁场序列定位算法,有效地实现了基于磁场特征的智能终端室内定位。由于地磁特征维度较低、信息量较少,为了实现更鲁棒的定位方式,本文融合了视觉特征,并提出了基于神经网络算法的传感器融合定位方法。本文的主要贡献包括以下四个方面:1、提出了基于隐马尔可夫模型的地磁序列匹配室内定位方法,实现在办公室和走廊等狭窄环境下的室内定位;2、在地磁序列特征的基础上,利用循环神经网络提取地磁序列的时序关联信息,设计完整的神经网络模型,实现在空旷环境和狭窄环境中都能进行基于地磁序列定位的效果;3、将卷积神经网络与循环神经网络结合,提取视觉信息在预训练的神经网络模型中的特征,并设计循环神经网络提取图像序列在时间维度上的信息;4、在地磁序列特征和视觉序列特征的基础上,本文提出了使用神经网络算法进行特征融合定位的方法。综上所述,本文在基于磁场序列特征的室内定位方法和基于磁场视觉融合的室内定位方法上进行了深入的研究,并实现了多种模式下的室内定位系统。