随着智能手机的普及以及移动互联网的发展，人们对基于位置的服务需求也日益增加，尤其在复杂的室内环境，如机场大厅、展厅、仓库、超市、图书馆、地下停车场、矿井等环境中常常需要确定移动终端或其持有者、设施在室内的位置。目前国内外的一些大型公司和科研所已经研发出室内无线定位系统，主要采用红外、超声波、蓝牙、WIFI、射频识别（RFID）、超宽带（UWB）等短距离无线技术。其中基于WIFI网络的无线定位技术由于部署广泛且低成本较低，因此备受关注。最早的基于WIFI网络的定位系统是由微软开发的RADAR系统。基于WIFI网络的无线定位通常采用指纹的定位方法通常能够达到比较好的定位效果。但是现阶段的位置指纹定位方法需要在离线阶段耗费大量的人力物力，选取大量的参考位置，并且在每个参考点的各个方向采集大量的数据来建立位置指纹数据库。这样给室内定位系统的普及带来很大的障碍。基于此，本文使用高斯过程回归的WIFI室内定位方法。主要研究如何在收集比较少位置指纹数据的情况下，提高定位精度，也就是说怎么样尽量减少离线阶段所需要花费的成本。本算法充分利用已有的少量的WIFI指纹数据，通过机器学习预测出在未知位置的WIFI指纹，在没有损失多少定位精度的同时，大大的减少了定位系统在离线阶段所需要花费的时间。本文也提出一种基于信号强度的位置指纹空间聚类技术，解决定位区域误判的问题，提升定位精度。本文在Android平台上设计并实现了这个基于高斯过程回归的WIFI室内定位系统。该系统由定位服务器端和Android手机客户端组成。在Android智能手机移动终端上实现了定位应用APP，实现定位信息数据收集，文件上传下载，指纹位置数据库匹配和定位显示功能。在Windows平台上结合MATLAB混合编程搭建IIS服务器，实现位置指纹数据库文件训练，训练文件上传下载和指纹位置数据库匹配功能。最后，对实现的系统在不同条件下进行测试，并分析路由器不同部署布局对定位系统造成的影响。