随着基于位置服务（Location Based Service,LBS）概念的提出,室内位置服务在位置服务体系中的需求日益增长,近些年在室内定位研究领域提出并发明多种室内定位技术及应用,包括UWB定位技术、蓝牙定位技术、WiFi定位技术等。而每一种室内定位技术都有其优点与缺点,单一定位技术难以具备普适性。因此,多种定位技术进行组合是室内定位的主要解决方案。本文研究了WiFi指纹定位技术及基于惯性测量单元的定位技术,并对两种技术进行了分析与实验,提出了基于多源信息融合的室内定位技术,主要研究内容有:1.针对WiFi指纹定位技术中离线WiFi强度指纹信息采集复杂问题,介绍了传统的网格法采集构建WiFi定位指纹库,并提出基于半物理仿真方法（Minimally Semisimulated RSS Fingerprinting,MS-RSS）、基于双目视觉的目标识别方法、移动小车采集方法等方法用于离线WiFi定位指纹库的构建,并使用克里金插值方法生成最终的WiFi定位指纹库,减少了离线采集WiFi指纹信息的工作量。2.针对WiFi在线定位算法,提出基于随机森林及改进的KNN指纹匹配算法（Combination of Random Forest and Improved KNN,RF-IKNN）,减小了在线定位阶段的计算量并消除了粗粒度剔除的其它类别区域WiFi指纹信息的影响,实验结果表明RFIKNN算法与其它传统WiFi指纹匹配算法相比精度更高,且定位结果误差的累积概率分布表现更好。3.针对智能移动端内置惯性测量单元输出信息处理问题,介绍了PDR算法用于移动端相对定位,改进PDR算法中步态检测算法,并提出航向角修正去抖方法;利用滑动窗口对加速度信息进行处理并提取相关特征用于行人运动模式识别,实际验证结果表明识别准确率较高,可达91.8%;并提出利用行人运动模式识别结果修正定位结果。4.针对多源信息融合问题,提出基于多源信息融合的粒子群优化算法,该算法将WiFi定位信息、PDR定位信息、蓝牙强度信息、地图约束信息相融合。并搭建了室内环境下闭合路径实验平台,对融合定位算法、单一WiFi指纹定位算法及PDR定位算法进行了对比验证,分析各自的定位误差。通过实际实验结果表明,本文提出的融合定位算法定位精度更高,且定位平均误差较单一WiFi定位平均误差降低62.1%,较PDR定位平均误差降低88.5%。融合定位中,地图信息约束能有效的降低PDR相对定位中方向更新的偏差,WiFi指纹定位结果、蓝牙强度信息能有效的降低惯导定位过程中的累积误差,从而使得定位误差更小,能更加接近实际路径。