自全球定位系统GPS(Global Positioning System)诞生以来,室外定位给我们的生活带来了极大的便利,但GPS只能工作在空旷的室外环境下,面对室内环境的复杂多变,GPS很难准确在室内进行定位。近些年来随着无线通信技术的不断成熟与智能终端设备的不断革新,无线网络以及智能手机顺其自然的融入到了我们的生活中,成为了我们生活中必不可少的一部分。因此,室内随处可见且分布广泛的WiFi网络以及便携的手机终端成为室内定位的首选,其中以WiFi为媒介的基于位置指纹识别的室内定位算法以定位精度高、成本低、实现简单等特点成为目前室内定位技术的研究热点。本文在传统室内定位算法的基础上,对基于位置指纹识别的室内定位算法进行研究,改进并优化传统定位算法,提高了室内定位的定位精度与定位速度。本文的主要研究内容如下:(1)离线采集阶段,针对室内环境复杂多变导致参考点采集到的信号强度不稳定的现象,对采集到的信号进行方向滤波+高斯滤波的混合滤波处理。对滤波处理后的指纹库中存在个别异常噪声点的现象引入邻域滤波算法,并在其基础上引入不同接入点(Access Point,AP)产生的不同信号强度对中心点的影响,优化得到一种基于AP赋值的邻域滤波算法,处理后的指纹库中的数据源更加稳定。(2)针对建立后的指纹库数据量大从而导致定位匹配计算量大的现象,将数据挖掘中聚类分析的思想引入到指纹库的划分中,进行实验分析将指纹库通过二分K-means聚类算法划分为合适的类簇。并针对使用二分K-means聚类算法后指纹库存在聚类边界点模糊的情况,将参考点的物理坐标相似度与信号强度间的相似度结合起来,提出一种基于双重相似度的二分K-means聚类算法,通过此算法可将指纹库清晰完整的划分为三个类簇,在提高定位精度的同时缩短了定位时间。(3)对常见的室内定位算法进行实验与仿真分析,根据实验结果最终确定WKNN(Weighted K-Nearest Neighbor)定位算法作为本文主要研究算法,并对WKNN算法进行以下优化。首先在定位点接收信号强度值这一阶段将每个AP赋予一定的权值来判定对定位贡献的大小并针对定位点在不同K值下定位误差变化较大的现象,对定位点改变近邻点的匹配个数,提出一种基于AP加权可变换K值的WKNN算法。其次针对聚类边缘定位点提出改进算法,提高了聚类边缘定位点的定位精度。最后,通过相关实验对传统的WKNN定位算法和本文整体改进后的算法进行对比分析,证明了定位优化技术的有效性。