Wi-Fi室内定位技术得益于其低成本和广泛部署的特性,是目前室内位置服务中较为主流的解决方案,近年来成为室内定位研究领域的热点。然而,该方法在离线阶段需要繁琐的数据采集工作,并且需要不断更新指纹数据库来适应室内环境的变化。本文在现有室内定位技术的基础上。提出基于密度峰值聚类(Clustering by fast search and find of density peaks,CFSFDP)算法的众包更新指纹数据库方法,保证指纹数据库的不断更新,提高了定位算法的健壮性;并且提出一种基于多维标度分析技术的室内定位方法,提高算法的定位精度。本文重点研究了以下几个方面内容。首先,提出基于CFSFDP算法的众包更新指纹数据库方法。随着时间的推移,室内环境变化和接入点(Access Point,AP)部署位置变动都会造成指纹数据库失效。为避免这种情况对定位效果的影响,使用众包方法更新指纹数据库,让用户在享受位置服务的同时参与到对定位系统的更新维护中。使用基于CFSFDP的异常事件鉴别方法判断用户的反馈数据的合理性,并对反馈数据做保留或丢弃处理。随着算法的不断迭代,保证了定位系统的健壮性。其次,提出了基于多维标度分析(Multidimensional Scale,MDS)的室内定位算法。在离线阶段采集所有参考点处的接收信号强度(Received Signal Strength,RSS)向量,并计算其距离矩阵。在线定位阶段计算待定位对象RSS和参考点RSS的距离矩阵,然后使用多维标度分析算法计算其相对位置坐标,再使用坐标转换算法计算出待定位对象的坐标,为了避免信号波动对定位效果的影响,提出了差分算法和粒子群算法相结合的四参数坐标转换方法。最后,设计仿真实验和实际环境实验,并对提出的定位算法的可行性和准确性进行验证,然后针对实验结果进行整理分析。