随着移动互联网对人们生活的影响不断深入,位置服务如定位、导航对人们的日常工作和生活的影响越来越大。如今室外定位技术虽然日渐成熟,但是室内定位还没有成熟的技术解决方法和明确的标准。智能手机是现在主流的应用计算平台,是人们日常生活中的一部分。一般智能手机中会配置惯性测量单元(Inertial measurement unit,IMU)。行人航位推算(Pedestrian Dead Reckoning,PDR)方法是一种通过行人步数、步长和方向推算行人运动轨迹的方法。所以基于惯性导航的PDR定位导航方法成为室内定位的主流方案之一。但现有的PDR方法大多受限于行人携带设备的方式,并且在定位过程中定位误差会不断积累导致定位路径与真实路径存在较大的偏差。针对这样的问题,本文提出了一种融合了PDR、信号强度匹配与地图匹配方法的定位框架Stepsense,并且该框架可对辅助定位网元进行优化布局。首先,为了解除携带设备姿态的限制和降低磁力计误差的影响优化了底层PDR算法。在步数计算模块中,对加速度的传感器的总加速度进行分析,通过优化峰值检测得到更准确的步数。在步长估计模块中,根据对现有步长模型的误差分析,根据加速度波峰和波谷的差计算步长。在航向估计模块中,通过双层校验的策略调用9DOF和6DOF方法使得方向估计的结果更加准确。其次,通过结合有源定位与地图匹配方法修正底层PDR算法误差,提出了一种基于粒子滤波的融合定位方法(SSPF-Kit)。该方法中使用自适应误差模型对粒子的状态进行校正,并且融合了地图匹配和信号强度匹配模型优化了粒子的观测模型和自适应误差模型,通过减小粒子状态的误差,提高室内定位的精度。然后,通过分析辅助定位网元布局对SSPF-Kit算法定位结果的影响,提出了一种辅助PDR定位网元优化算法(SS-NEO)。该算法首先通过室内环境差异性分析方法对空间差异和信号差异进行分析,然后以室内环境差异性最大为目的,通过自适应参数的优化的差分进化算法对网元布局进行优化。最后,通过实验证明了Stepsense中SSPF-Kit方法的可用性和融合定位精度的提高。通过网元布局优化算法证明了通过优化网元布局可以提高定位精度。