目前,精确的室内定位服务愈发成为人们生活中不可或缺的一部分。随着第五代通信技术（5th-Generation,5G）的发展及应用,蜂窝基站将密集部署,这会进一步提高基于蜂窝信号的室内定位算法的精度。在室内定位算法中,基于蜂窝信号强度、角度和信道状态信息（Channel State Information,CSI）的指纹定位算法获得了广泛关注。本文主要研究利用蜂窝信号实现多指纹信息融合的定位方法。首先本文提出了新的指纹融合方法,设计了以蜂窝信号角度测量为参量的加权函数对信号指纹匹配进行约束以实现指纹点选择,并根据信号统计特性动态调整加权函数模型以提高指纹匹配准确度。为提高多指纹信息融合算法的稳定性,本文提出了利用坐标阈范围限制选择候选邻近点的方法以利用加权K近邻（Weight K Nearest Neighbors,WKNN）算法进行定位。其次,为了进一步利用蜂窝信号提高室内定位精度,本文分析了5G信号CSI的获取方法并提出了基于贝叶斯准则的WKNN算法权值改进方案。在用WKNN算法获得K个与待测点接近的指纹点后,利用蜂窝信号CSI和角度信息并基于贝叶斯准则可以得到在K个指纹点处采集的指纹向量与待测点实测指纹向量相似的概率,用此概率改进WKNN算法的权值,从而进一步提高室内多指纹信息融合定位的精度。另外,考虑到在某些场景下因无有效蜂窝信号而无法实现有效定位的情况,本文提出了基于多用户信息的行人航迹推算（Pedestrian Dead Reckoning,PDR）轨迹校正算法以提高定位有效性。首先利用路标和Chirp信号获取用户间距,然后利用基于用户间距的粒子群算法寻找最优估计坐标,最后将优化坐标与PDR定位坐标进行加权融合以纠正PDR定位误差。本文通过改变定位区域和指纹网格颗粒度进行多环境定位仿真实验,仿真结果表明本文所提出的基于函数加权法和异常值筛选法的定位方法与当前其它基于指纹的定位方法比较,可显著提高定位精度及可靠性。利用蜂窝信号CSI和角度信息及贝叶斯准则改进WKNN算法权值的方案进一步提升了室内多指纹信息融合定位的精度。针对蜂窝信号失效场景所提出的PDR校正算法也可以有效校正PDR定位的累积误差。