随着人们对基于位置服务(Location Based Service)的需求逐渐升温,室内定位技术逐渐成为一个热点问题。室内定位技术旨在解决导航系统中“最后一公里”问题,以处理现实存在的定位盲点。由于墙体等障碍物对信号的遮蔽,传统的GPS等导航系统在室内的定位精度不高,不能满足室内定位的需求,新兴的室内定位技术应运而生。由于无线局域网(Wireless Area Local Network)已成为人类日常生活中不可或缺的一种常见技术,WLAN接入点(Access Point)在生活中随处可见,且WLAN的接收信号强度(Receive Signal Strength)易于测量和使用。利用WLAN进行室内定位成为室内导航技术中的一个新的方向。但受多方面因素,包括环境变化、定位用户移动等影响,基于WLAN的室内定位技术仍有许多方面值得改进。基于该原因,本文主要研究重点在于如何改进现有的基于WLAN的室内定位技术,同时也设计并实现了一套基于WLAN的室内定位系统。首先,本文介绍了基于WLAN的室内指纹定位技术基本原理,并分析了现阶段研究室内指纹定位算法的主要难点,同时介绍了主要的几种国内外目前已存在的室内定位算法,包括K临近法、支持向量回归法等,这些算法的主要区别在于建立RSS和定位坐标映射的方法不同,接着分析了学习型算法在室内定位系统中的优势与劣势,为后文的研究与实现提供了理论基础。接下来,本文继续分析了学习算法中一种重要算法——神经网络算法的基本原理及其如何应用在室内定位中,并通过理论推导分析了神经网络算法在实现时一些关键点。并提出了一种提升神经网络算法在室内定位中精度的方法,即二次训练法。接着利用临近关系对神经网络在室内定位中精度进行了进一步的改进。同时,利用不同指纹密度下神经网络分类结果的准确度区别,进而提出了一种区域判断算法,并使用地图匹配算法对定位结果做了修正,最后对初始算法以及上述几种改进算法进行了测试,并对结果进行了比较和分析。最后阐述了本课题如何设计并实现了一个室内定位系统,并分析了实验环境以及训练数据中可能存在的误差,同时使用设阈值的方法祛除了训练数据中误差中的峰值数据。