摘要：為提高室內(nèi)定位的精度和穩(wěn)定性,提出使用粒子濾波融合WiFi指紋定位和行人航位推算的室內(nèi)定位算法。為減少?gòu)?fù)雜室內(nèi)環(huán)境對(duì)WiFi指紋定位的影響,提出將支持向量機(jī)分類與回歸相結(jié)合的兩級(jí)WiFi指紋定位算法。在基于智能手持設(shè)備慣性傳感器的行人航位推算中,為減少慣性傳感器的誤差以及人隨意行走帶來的影響,采用狀態(tài)轉(zhuǎn)換的方法識(shí)別行走周期并進(jìn)行步數(shù)統(tǒng)計(jì),提出根據(jù)實(shí)時(shí)加速度數(shù)據(jù)動(dòng)態(tài)設(shè)置狀態(tài)轉(zhuǎn)換的參數(shù),利用步長(zhǎng)和垂直加速度之間的關(guān)系以及相鄰步長(zhǎng)之間的關(guān)系,應(yīng)用卡爾曼濾波進(jìn)行步長(zhǎng)計(jì)算。仿真實(shí)驗(yàn)中,基于支持向量機(jī)的WiFi指紋定位的平均誤差比最近鄰居（NN）算法降低34.4%,比K最近鄰居（KNN）算法降低27.7%。改進(jìn)的行人航位推算的性能優(yōu)于常用代表性計(jì)步軟件和步長(zhǎng)計(jì)算算法,而經(jīng)過粒子濾波融合后估計(jì)的行走軌跡更加接近真實(shí)軌跡：直線行走平均誤差為1.21 m,優(yōu)于WiFi的3.18 m和航位推算的2.76 m;曲線行走平均誤差為2.75 m,優(yōu)于WiFi的3.77 m和航位推算的2.87 m。