近年来,基于位置的服务(LBS)引起了人们的广泛关注,尤其是人工智能的迅猛发展使得对位置服务精度的要求不断提高。目前,基于卫星信号的室外定位系统已非常成熟,但至今没有出现一种精度高且普适性强的室内定位系统。基于WIFI的室内定位技术具有成本低廉、功耗低、普适性强的优点,成为近年来的研究热点。本文以基于WIFI的室内定位技术中应用最广泛的RSS指纹定位技术为研究基础,针对RSS指纹定位算法做出了改进,在Android平台上设计并实现了一套定位系统对上述改进做出验证。具体研究内容如下:首先,针对传统的近邻选择算法计算过程中,利用指纹信息有限,不能有效地去除奇异点,从而严重影响定位精度的问题,对该类定位算法进行了改进,加入了AP匹配程度的影响,提出了基于相似度的近邻选择算法。该算法借助复杂网络中求解节点相似性的思想,参照Jaccard相似系数的原理,定义了一个“相似度”参数,将该参数引入算法中,能有效消除奇异点对定位精度的影响。其次,针对传统的RSS向量提取过程中容易引入波动较大的信号从而导致测试点(TP)和参考点(RP)采集到的RSS向量不准确的问题,本文提出了一种基于余弦相似性AP选择算法,通过计算向量之间余弦值的方式将波动较大的向量滤除。最后,基于Android平台实现了一套室内定位系统,并使用该定位系统在真实的室内环境中对本文所提的算法进行验证。实验结果表明:相比于传统的近邻选择算法,基于相似度的近邻选择算法能使定位精度提高12%;相比最大均值法,基于余弦相似性AP选择算法能有效提高RSS向量的准确性,使定位精度提高了7.8%。