1、位置服務(wù)與人們生活息息相關(guān)，借助無線電通訊網(wǎng)絡(luò)或者各國的衛(wèi)星定位系統(tǒng)，人們在室外廣闊空間的定位與導(dǎo)航服務(wù)已經(jīng)相當成熟。然而對于衛(wèi)星信號無法抵達的定位盲區(qū)如地下室、大型建筑等封閉環(huán)境中的定位服務(wù)，人們也有著迫切的需求?，F(xiàn)今已有多種室內(nèi)定位的相關(guān)技術(shù)如藍牙技術(shù)、RFID(RadioFrequency Identification)、無線局域網(wǎng)和PDR(Pedestrian Dead Reckoning)等，受限于定位精度或者鋪設(shè)成本，許多室

2、內(nèi)定位的解決方案并未得到廣泛應(yīng)用。研究低成本、可擴展性強及定位精準的室內(nèi)定位解決方案成為當下熱點。
　　移動智能終端如智能手機、手環(huán)等，都是具有高便攜性且運算能力較強的現(xiàn)代生活的必需品。鑒于移動智能終端的和WIFI技術(shù)的高度普及，本文將通過結(jié)合兩者討論一種可行的室內(nèi)定位解決方案。本文的主要研究內(nèi)容如下:
　　首先分析了WIFI技術(shù)的原理及其在室內(nèi)復(fù)雜環(huán)境中的信道特性，從而引出可由WIFI技術(shù)實現(xiàn)的各種室內(nèi)定位解決方案，RSS

3、I位置指紋方法在WIFI定位中運用較為廣泛，但該方法存在的瓶頸之一便是在離線采集指紋的階段會耗費大量人力和時間，導(dǎo)致其應(yīng)用效率不高。本文通過分析WIFI信號在室內(nèi)環(huán)境中信號分布的特性符合高斯分布，進而提出通過機器學習中的高斯過程回歸模型，來對離線采集的位置指紋進行訓練，通過得到的模型來對待定位區(qū)域的整體WIFI信號分布進行預(yù)測，從而減小離線采集時的位置指紋密度，以達到減少成本，提高應(yīng)用效率的目的。
　　然后對行人航跡推算PDR進行

4、原理分析。由于智能手機普及度高，具有很強的運算能力，而且配備有多種傳感器，可以通過傳感器獲得行人的運動狀態(tài)從而分析行人的步長、步數(shù)以及運動朝向等信息，因此，本文探討了PDR技術(shù)在智能手機上的應(yīng)用，以此來進行室內(nèi)定位。
　　在實際的定位場景中，WIFI信號值的波動普遍存在，即便使用了密度較大的位置指紋庫進行定位，結(jié)果有時也不盡人意。而使用PDR技術(shù)進行定位會有積累誤差，結(jié)合兩者的優(yōu)缺點，本文提出利用位置指紋定位的同時結(jié)合PDR定位進