基于位置服务已成为人类生活和各类应用的基础设施。全球卫星导航系统（Global Positioning System,GPS）提供的位置定位服务在信号强度良好的室外展现出了极高的可用性,给使用者带来了极大便利,但在室内封闭环境中,由于环境复杂和墙壁对卫星信号的反射及遮挡等原因,GPS系统无法为用户提供实时准确的定位方案,将位置指纹定位法和基于传感器的定位方法相融合进行定位是一种有望解决此类问题的途径。本文主要研究Wi-Fi位置指纹定位方法和基于惯性传感器的室内定位方法,通过对传感器的精确初始校准、对不同活动状态进行分类、扩充样本数量等多种策略组合,解决定位系统精度低、延迟高、易受噪声影响等问题。针对离线构建Wi-Fi指纹库阶段RSSI信号易受多径效应、随机噪声等影响而产生的信号采集不准确性,采用基于高斯滤波模型的RSSI信号特征提取算法,对信号中的噪声进行过滤,获得更可靠的指纹数据。针对指纹数据库数据量大导致的定位延迟高问题,采用离线AP选择算法选择特征明显的AP,降低指纹数据库的规模,使平均定位延迟降低了 27.3%。为了降低指纹数据库构建成本,采用一种基于高斯过程回归的稀疏样本扩充方法,对有明显特征值的RSSI样本进行数据扩充,在工作量不变的情况下,大幅增加了样本数量。针对惯性传感器在初始状态下可能出现输出结果不准的情况,建立了初始两步校准方法,通过使用智能手机上的传感器获取信息,再使用滤波算法对每个传感器的误差信息进行处理,得到与真实坐标系间的偏差,为后续融合定位提供保障。为消除用户在不同活动状态下,步频信息、步长信息差异大的影响,采取基于行人活动分析的步进检测算法,根据不同活动类别调整步进频率和步长估计值,平均识别准确率达到98%,复杂活动状态检测中识别准确率达到92.35%,均优于IPIN竞赛中系统采用的步进检测算法。本文构建了典型办公室场景中的实验,结果表明,平均定位精度可达到1.21m,且有73%的时间定位误差在1m以下,有效提高了室内定位精度。此外,设计了基于Wi-Fi指纹和惯性传感器的室内定位系统,对所建立的算法进行集成,形成了完整的室内定位模型,能够以较高效率和精度、较低成本和延迟获取室内位置信息。