随着人们对位置感知服务的需求日益增加,高精度的室内位置获取逐渐成为位置服务的核心内容。同时由于WLAN的灵活性、移动性和简单的点对点技术等有优势,使得基于WLAN的位置服务系统逐渐成为研究热点。而在实际中,对动态用户的实时位置信息也是十分重要的,室内跟踪技术也正是基于此原因得到了快速的发展。粒子滤波算法由于其在非线性、非高斯模型中所表现出的优良性能,使得其越来越受到人们的重视。因此,本文主要研究基于粒子滤波算法的WLAN室内跟踪技术,并通过对粒子滤波算法的改进来寻找提高室内跟踪精度的算法。WLAN室内跟踪技术分为两个阶段:离线阶段和在线阶段。离线阶段,通过在参考点上测量信号得到信号覆盖图,建立模型并存储位置指纹信息;在线阶段,待跟踪的用户通过无线采集终端得到实时信号强度,利用特定的跟踪算法在信号覆盖图内搜索完成对位置的估计。本文针对粒子滤波算法提出了两种改进算法:基于粒子位置优化和基于插值优化的粒子滤波跟踪算法。首先,本文概述了WLAN室内跟踪系统的模型。分析了基于定位技术的跟踪算法和卡尔曼滤波跟踪算法两种传统跟踪方法,研究了粒子滤波算法。了解在室内环境下,这传统方法的优势和劣势,进一步引出了将粒子滤波算法应用于WLAN室内环境下的优势及必要性。其次,本文通过室内WLAN粒子滤波跟踪算法的数学模型的研究,提出了基于粒子位置优化和基于插值优化的粒子滤波跟踪算法的改进方法,解决如何获取粒子点处的信号强度值的问题。前者通过将参考点处的信号强度近似分配到粒子点上;后者则根据空间相关性通过参考点信号强度插值得到粒子点的信号值,通过改进算法得到粒子点处完整的信号强度值。之后通过直方图法和核函数法得到粒子点处的概率密度分布,实现的对移动终端的位置估计。最后,本文通过实际环境的测试和实验仿真,利用现有的室内跟踪算法和改进的粒子滤波跟踪算法来完成跟踪,对以上方法进行了比较分析,验证了改进方法的效果,同时也为课题的应用提供了不同的改进粒子滤波跟踪技术。