行人航迹推算(Pedestrian Dead Reckoning,PDR)技术不受外界环境干扰、成本低、短时精度高,因此在定位导航系统中,尤其是在室内、井下等复杂环境中得到了广泛的应用。然而PDR仅能实现传感坐标系下的相对定位,无法获取绝对位置信息,且惯性器件产生的积累误差使得定位精度大幅下降。针对上述问题,本文提出一套完整的基于多源数据融合的室内定位方案,其核心是挖掘地磁、Wi-Fi、建筑结构等物理环境特征,修正定位误差,从而实现实时高效的室内定位。针对PDR技术中漂移误差较大的问题,本文从两个方面进行改进:首先,在对惯性传感器输出噪声特性进行分析的基础上提出一种基于多尺度阈值函数的小波去噪方法。实验结果表明,该方法较之传统算法信噪比提高5dBm,100米范围内相对定位误差降低2.69%。其次,为提高方向角收敛速度,采用简化的分解四元数算法优化初始姿态,取代原有默认初始值,算法收敛时间由20s减少到3s,性能得到很大提高。此外,本文研究了采用多源信息融合提高定位精确性的方法。首先,通过学习室内环境中独特的物理环境特征(地磁、Wi-Fi信号等),选取特异性较强的位置作为参考地标,为定位提供初始信息并修正单一PDR算法带来的定位误差。随后,为增强与空间地图的适配性,设计地图匹配算法,较好地解决了“粒子穿墙”问题,提高了系统的鲁棒性。最后,设计基于多源信息的粒子滤波融合算法,用于估测行人运动状态从而达到精确定位。实验结果表明,较之单一PDR算法,本文提出的融合算法每步平均定位误差下降了一个数量级,控制在0.0257m。此外,系统的平均定位精度控制在2m以内(100m)。