随着无线通信技术的快速发展，基于位置指纹的WiFi室内定位技术以其实现简便、成本较低、定位精度高、鲁棒性好、扩展性强等优点，已经成为室内定位技术的研究热点。本文对这一技术进行了较深入和系统的研究，并针对定位准确度和异种终端差异的问题，使用迭代定位和神经网络理论提出了相应的解决方案。通过算法比较和实验分析，证明了方案的有效性和可行性，论文的主要工作如下：首先，本文通过实际WiFi环境中采集的RSSI位置指纹数据，以室内定位的角度分析了射频信号在室内的传播特性，并对可能影响定位误差的因素进行了系统的分析，为定位算法的设计与定位系统的实现提供了一定的理论依据。针对异种终端由于RSSI量化差异造成定位误差的问题，本文设计使用BP神经网络进行非线性校准作为此类问题的解决方法，使定位系统可以同时支持不同种类的终端。并使用多种终端进行数据测试，对比已有的线性校准方法，本文所设计的RSSI校准方法可以有效地提高不同终端的在已有系统下的定位精度。其次，本文以迭代定位的思想，利用定位环境中已有的非定位系统布置的AP接入点参加联合匹配定位，将定位过程分为初定位、异常感知和迭代定位三个阶段，在不增加系统复杂度的前提下，进一步提高了原有系统的定位精度和鲁棒性。针对非布置AP位置可能发生变更的问题，设计了相对应的异常感知过程，并以情景模拟的方式验证了异常感知方法的有效性。最后，本文结合前文的理论分析和定位方法，设计并实现了一个基于位置指纹的WiFi室内定位系统原型，首先给出了室内定位系统的需求描述，然后设计了系统体系结构和通信协议，再根据体系结构中的各个部分分别进行了详细设计和实现。并在实际的WiFi无线局域网环境里对联合匹配方法进行了实验验证，实验数据表明，本文所设计的方法可以有效地改进系统的定位精度，同时降低对定位系统布置AP接入点的数量和位置因素的要求。