基于位置的服务(Location Based Service,LBS)是近年来的研究热点,而LBS的核心为定位技术。目前,室内定位以无线电信号的定位技术为主,基于惯性测量的定位技术也受到广泛关注。基于接收信号强度(Received Signal Strength,RSS)的位置指纹法由于可以很容易地利用已有的无线网络进行定位,是目前实用性最强的一类方法,但是它需要较大的数据采集的工作量来保证定位精度。基于众包的指纹采集方法可以利用用户参与得到的数据来高效地构建指纹库,但是它带来了有噪声的样本位置,准确性备受质疑。本文综合考虑定位精度与数据采集的工作量,基于众包的数据采集,提出了一种概率性指纹库的构建方法。包括三个方面:基于对RSS特性的分析,本文引出了“非固定点采集”的概念,并验证其有效性;通过将RSS转换成信号包络,提出了一个改进的参数化方法来拟合RSS的分布;提出了一个基于聚类的空间划分算法来减少异常分布的数量,改善整体的RSS分布拟合效果。仿真和实验显示,所提方法以较低的花费构建了指纹库,而且在定位精度上相对传统的指纹库改善了20%,定位精度大约为2.5m。本文同时深入研究了基于惯性测量的定位技术,设计了低复杂度、适用于手持式智能设备的步伐识别算法和步长估计算法,以及以此为基础的步行者航位推算(Pedestrian Dead Reckoning,PDR)室内定位系统,实验结果表明步伐识别率达99%,直线行走的距离估计误差为6.4%,实验场景下平均定位精度为1.03m。基于RSS的位置指纹与PDR相结合的定位算法能有效提高定位精度,但目前已有的算法难以同时满足较高的定位精度与较小的计算量,常见的卡尔曼滤波算法精度不够,而粒子滤波算法计算量较大。本文提出了一种基于多指纹联合匹配的混合定位算法,在较低计算量的前提下实现了较高精度的定位。实验结果表明该算法80%的定位结果低于1m,平均精度高达0.77m。