伴随着互联网和物联网技术的高速发展，位置服务（Location-BasedService,LBS）在人们生活中的作用得到了越来越深入的发掘。室内定位和目标跟踪技术作为位置服务的重要组成部分，一直备受业界的关注。由于Wi-Fi相关技术的成熟和所需硬件设施的日渐完善，基于Wi-Fi信号的室内定位和目标跟踪技术近年来一直是研究的热点。在Wi-Fi技术相关研究的基础上，本文对室内定位和目标跟踪技术进行了一定的研究。主要工作和创新点如下：
　　1.提出基于MD5-drGP的RSSI概率指纹室内定位算法。该算法分析了当前基于RSSI（ReceivedSignalStrength Indication）概率指纹的室内定位算法的缺陷，进一步降低了参考点指纹数据库所占用的存储空间，并提高了线上定位的效率。所提算法对室内全局RSS地图实现了优化，将基于drGP（distributed recursive GaussianProcess）的RSSI概率指纹室内定位算法生成的全局RSS地图通过MD5信息摘要算法（Message Digest5Algorithm）进行处理，转化为MD5-RSSI概率指纹数据库。该方法大大降低了全局RSS地图的存储空间，同时也减少了线上指纹匹配算法所消耗的时间，提高了室内定位的效率。仿真结果表明，相比基于drGP的RSSI概率指纹室内定位算法，基于MD5-drGP的RSSI概率指纹室内定位算法在保证定位精度的前提下，定位时间缩短了近1/2，提高了算法的效率。
　　2.提出基于RSS地图的联合滤波室内目标跟踪算法。该算法针对无迹卡尔曼滤波（Unscented Kalman Filter,UKF）和粒子滤波（Particle Filter,PF）算法的特点和存在问题，根据室内地形环境对全局RSS地图进行区域规划：采用在目标只能做近似直线运动的区域通过改进的UKF算法进行跟踪；在区域较为宽阔，目标状态多为非线性非高斯分布的区域通过信息耦合的PF算法进行跟踪的策略，保证了跟踪精度，同时提升了算法的跟踪效率。所提算法将室内定位算法的定位结果作为观测值，并对滤波算法状态预测的更新方法了相应的改变。仿真结果表明，相比于基于信息耦合的PF跟踪方法，基于RSS地图的联合滤波室内目标跟踪算法保证了跟踪精度，同时降低了算法的运算量，提升了跟踪的效率。
　　3.提出改进的基于MHT的室内多目标跟踪算法。该算法结合基于RSS地图的联合滤波室内目标跟踪算法和多假设跟踪算法（Multiple Hypothesis Tracking,MHT），解决了多目标跟踪数据关联的问题，实现了室内环境非线性系统中的多目标跟踪。仿真结果表明，本文所提算法相比于传统的MHT多目标跟踪方法，在非线性系统中的跟踪精度得到了显著提升，具有一定的理论和现实意义。