对于现代互联网时代,位置信息服务给人们带来了相当多的便利,诸如室外的行车路径规划、网约车的行驶位置动态等服务,再如室内的地下停车场停车位导航、大型商场内的商店导航等等服务,无不给人们的日常生活提供便利。让人们能随时了解自己所处位置信息,以及快速准确地到达目的地。室外的GPS(Global Positioning System)导航技术已经相当成熟,但其并不适用于室内定位,而室内定位恰恰是人们的强烈需求。因此,可靠而高效的室内定位研究变得尤为迫切。在搜集和阅读了大量的相关资料后,本文对如今常用的室内定位技术展开了细致的分析研究。基于WiFi的室内定位是借助于WiFi信号的RSSI(Received Signal Strength Indication)随距离的增加而衰减的传输特性来完成定位的。根据定位原理的不同,室内定位可分为基于传播模型以及基于位置指纹的定位。本论文将在位置指纹的基础上展开室内定位研究。首先,在信号降噪处理方面,在理论与实验结合分析的基础上,对WiFi信号在现实环境中容易受各种各样噪声干扰的弊端,由此提出了四向双重滤波对WiFi信号进行处理。在收集WiFi信号时,对定位环境中的WiFi信号从四个方向上进行多次采集,再对收集到的信号先利用高斯滤波方法作处理,最后采用均值滤波方法作处理,在一定程度上降低了噪声对定位的影响,进而改善了室内定位的精度。其次,在WiFi定位算法方面,因为近邻法适用性较强、使用也较为简单,同时不用过多地考虑参数设置,因此近邻法得到了普遍的使用,然而该方法有着定位精度不高,以及运算效率较低的缺陷。本文对于该缺陷在WKNN的基础上提出了基于区域划分的学习向量量化聚类算法以及聚类边界点的处理方法,并具体分析总结出了改进算法的步骤和流程。最后,通过实验验证和分析了本文提出的改进算法的效果。在本文实验环境下,结合学习向量量化聚类改进后的算法比原始算法的平均匹配效率提高了85%,平均定位精度从2.27米提高到了2.14米。