随着无线网络的飞速发展和无线通信市场占有率的增加,室内环境下WiFi的部署也变得尤为重要并普及到生活的各个领域,凭借简单的可移动的设备就能随时随地接入互联网。定位精度较高的基于位置指纹的定位算法利用现成的WiFi无线网络,无需额外增加或者仅少量增加硬件成本,因此基于位置指纹的定位近年来受到较高关注。基于位置指纹定位算法主要有最近邻法、K近邻法等。这些经典定位算法对于大多数运用现场而言定位精度都是足够的,但是经典定位算法定位运算量大,消耗硬件资源多,定位时间长,尤其是一些大型商场、机场、火车站涉及离线数据库体量大的运用现场。首先,本文对实验环境及离线数据库样本量的划分进行了简要分析,根据实验环境合理设置了四个AP,对比分析了多种离线数据库建立方法的优劣,并着重分析了本文的离线数据库建立过程。使用本文采集到的离线数据库,逐一验证、对比了几种经典定位算法的定位精度,发现经典定位算法的定位精度都能够满足一般的民用场合,为在线定位时间复杂度的研究埋下伏笔。其次,本文针对在线定位算法时间复杂度进行分析,基于JAVA语言给出了在线定位算法时间复杂度计算的理论基础,结合理论基础研究了WKNN、KNN算法定位时间复杂度的计算方法,并推导出了对应的计算公式。最后,本文针对离线数据库体量较大时WKNN、KNN在线定位算法计算量大定位时间长的问题,提出了一种基于传播模型的改进聚类算法,该算法通过对离线数据库体量的降级分类,能有效地解决此问题,降低算法的计算量减少定位运行时间。