信息技术、人工智能及物联网技术的蓬勃发展打通了真实世界和信息空间的壁垒。其中，基于室内场景的位置服务已经成为必不可少的物联感知信息。本文以基于WiFi信号的室内场景定位系统为研究对象，重点研究了WiFi位置指纹定位技术，针对定位过程中的关键问题进行分析并提供了解决方案。本文的主要工作如下：
　　1)针对异构设备由于硬件配置不同导致所测RSS(Received Signal Strength， RSS)信号的缺失与差异性问题，提出了基于缺失值补偿的梯度归一化算法。分析了室内场景下WiFi信号特征及衰减规律，针对RSS信号测量缺失进行了离线校准，基于梯度不变性对终端设备进行差异补偿，并验证了所提算法的有效性。
　　2)针对表征能力弱的冗余AP(Access Point，AP)筛选问题，提出了基于稳定信息增益的AP选择算法。分析了不同AP的表征能力，过滤掉表征能力弱的冗余AP，筛选出对定位贡献度最高的AP子集。通过实验测试验证了不同AP数目下AP选择算法对定位精度的影响，并选择出合适的数量参数。
　　3)针对RSS信号序列的时变和随机特性，提出了基于孤立森林与加权均值混合滤波算法。为了解决静态滤波方法由于RSS信号处理时间过长造成的延时错位问题，首先使用基于孤立森林的检测算法剔除异常值，再利用加权均值方法来处理奇异值修正后的RSS信号，实现了RSS信号的实时滤波修正，保证了RSS信号的稳定性和可靠性，为聚类分析提供了高质量的指纹信号。
　　4)针对在线定位计算复杂度高的问题，提出了基于混合距离的MDAP(Mixed Distance Affinity Propagation，MDAP)聚类算法。将更能反映RSS信号相似度的混合距离与仿射聚类算法结合，并且加入阻尼因子λ来加速算法收敛，降低了在线定位计算成本，提高了定位的实时性和精确度。
　　5)设计并实现了基于Android平台的WiFi室内场景定位系统，在日常办公场景下平均定位误差为2.4m，验证了定位系统的可行性和有效性。