室内定位技术是指基于室内场景下的位置定位相关技术。在室内场景下,由于无法使用卫星定位等技术,因而借助部分其他传感器信号完成人员以及物体在该场景下的位置检测。随着基于位置的服务日渐火热,室内定位技术逐渐成为定位领域的研究热点。目前,室内定位领域通常使用无线通信技术、射频识别技术以及惯性传感器定位等技术实现定位目标的精准监控,同时,越来越多的研究者开始研究综合使用多种定位方式的融合定位算法。除此之外,由于人工智能技术发展迅速,机器学习相关的理论也更多的被研究者们应用于室内定位的领域。本文提出了一种基于多信号的融合型室内定位算法,并利用部分机器学习算法对算法进行了进一步的优化,最终取得了比较好的定位效果。主要研究工作分为以下三部分。第一部分,本文研究并提出了一种基于多信号的融合型室内定位算法,该算法的流程主要如下:先离线建立指纹库,在线定位阶段以单次迈步为计算周期,分别使用惯性信号和WiFi信号完成定位,并分情况使用不同的融合修正算法对位置进行修正,获得最终的定位结果。单次迈步的定位结果作为下一次迈步周期的初始位置输入,实现位置的迭代计算。实测表明,该算法的定位准确度以及稳定性优于单独使用惯性定位或指纹定位以及参考文献中提出的几种融合定位算法。第二部分,将部分机器学习的相关算法融入室内定位算法进行了算法的优化。通过对各种常见的机器学习算法进行调研,最终使用了主成分分析、自编码网络以及聚类对本文所提出的融合型定位算法进行改进。实测表明,结合本文使用的三种机器学习算法能够大大提高室内定位的实时性,并在一定程度上提高定位的准确度和稳定性。第三部分,设计并开发了基于本文提出的算法的室内定位平台。平台主要分为用户端和服务器端两个部分,共七个功能模块。采取了跨平台的定位模式,有利于减小客户端即手机侧的数据存储和计算的负担,进一步提高定位的实时性,并且具有更好的可拓展性。