智能设备的兴起,基于位置的服务的社会和商业需求显著增加。在室外环境中长期以来使用GNSS进行导航或确定准确的位置信息。由于GNSS信号无法穿透建筑物以及复杂的室内环境,GNSS无法在室内环境中提供可靠的基于位置的服务。MEMS传感器在智能手机中的部署为行业和学术界带来了新的机遇和挑战。室内环境中基于位置的服务的需求和潜力迫使研究人员研究更可靠、准确、低成本的室内定位方法。基于智能手机的室内定位技术中常用的有行人航位推算方法与位置指纹法。行人航位推算可以提供实时、连续的定位,但进行定位会存在较大的方向漂移导致严重的累积误差。位置指纹法无法进行连续精确定位,并且位置指纹可分辨性较差常常引起错误的位置估计。本文研究的是融合手机传感器与位置指纹来为用户提供高精度的、连续的室内定位方法。以抑制行人航位推算累积误差、提高位置指纹的可分辨性、提高定位精度为目的进行研究。主要研究内容如下:1、提出基于自适应时间窗口的计步算法。对于行人航位推算算法来说,准确的计步是进行定位的前提。目前提出的计步算法无法适应用户行走状态、手机姿态多样性的问题,提出基于峰值检测的自适应时间窗口计步算法。该算法通过检测加验证的方式进行计步。采用双重滤波对原始加速度进行预处理,根据峰、谷值时间差的自适应时间窗口消除伪峰值,最后用方差与标准差对检测到的峰值进行验证。实验结果表明,该算法在不同运动状态、不同手机姿态下的平均计步精度有较好的提升,优于常用的基于峰值检测的方法和目前流行的商业步数计算应用,且准确性与适应性显著提高。2、设计了融合粒子滤波与行人航位推算的定位算法。行人航位推算方法也面临着一些挑战,首先是方向漂移,引起严重的累积误差,导致估计行走轨迹穿过墙壁的现象。其次是步长估计,行走过程中涉及多种状态,统一的公式不能覆盖全部的行走信息。本文采用粒子滤波对行走过程中的方向进行矫正,通过设置粒子的可到达区域、粒子的方向属性及角度偏差来矫正行走方向。采用Light GBM模型估计行走步长,通过使用不同状态的数据进行训练可以得到准确的步长估计模型。实验结果表明,采用粒子滤波进行方向矫正的行人航位推算有效解决了方向漂移的问题,减小了累积误差。另外Light GBM模型可以实时、准确的估算行走过程中的步长。3、设计了磁场指纹与行人航位推算的融合定位算法。针对粒子消亡与适应性问题,提出融合磁场指纹与行人航位推算的室内定位算法。融合定位算法包含两步,首先采用粒子滤波对行人航位推算的方向进行矫正,粒子滤波中的粒子权重采用磁场强度进行更新。第二步先采用地磁场定位对采集到的磁场强度进行处理得到新的位置特征,用新的位置特征建立磁场指纹数据库,再利用K近邻法估计位置。最后扩展卡尔曼滤波融合方向矫正后的PDR定位结果与磁场指纹法定位结果得到最终的位置估计。实验结果表明,该算法的平均定位误差为0.83米,均方根误差为0.90米,能提供较为准确、连续实时的位置估计,并且提出的算法提高了磁场指纹的可分辨性,具有良好的适应性与鲁棒性。