基于智能手机的室内定位是位置服务领域具有广泛应用前景的研究方向之一，对于实现室内外无缝定位，促进室内定位技术在行人导航、智能交通等领域的应用具有十分重要的理论意义和应用价值。智能手机内置多种传感器，可以获取多源室内定位数据。依靠单一数据源实现室内定位的方法精度较差，无法满足实际应用的需求；另外，现有的室内定位方法通常采用统一的模型参数，鲁棒性较差，无法满足不同设备、用户及环境的需求。针对目前室内定位方法中存在的问题，本项目提出基于条件随机场的多源数据融合室内定位方法，首先构建面向室内定位的条件随机场模型，然后基于室内地图匹配实现模型参数的自适应学习，在此基础上通过条件随机场模型的推理实现室内定位，最后利用典型室内场景的实验对所提出定位方法进行验证及优化。通过本课题的研究，可以提高基于智能手机室内定位算法的精度及鲁棒性，为室内定位的相关应用提供理论支持和技术指导。