基于智能手机的室内定位在行人导航、智能交通等位置服务领域具有广泛应用前景。依靠单源数据的室内定位方法精度较差，多源数据融合是室内定位的发展趋势。室内场景、用户、手机使用模式及手机种类的复杂性，对多源数据融合算法的自适应能力要求较高。通过运动行为识别可以推算相对运动轨迹，关联智能手机获取的时序多源数据；行人在室内的运动行为受室内地图约束，基于运动行为识别可以推算用户的历史轨迹。本项目以此为出发点，研究运动行为辅助的多源数据自适应融合室内定位方法。具体研究内容包括：多使用模式下的运动行为识别、运动行为辅助的多源数据融合室内定位、多源数据融合模型的参数自适应学习方法以及实验验证与结果分析。本项目重点突破运动行为辅助的室内定位多源数据融合模型构建及模型参数自适应学习的难题。通过本项目的研究，可以提高基于智能手机室内定位算法的精度及适用性，为室内定位的相关应用提供理论支持和技术指导。