随着现代城市建设的发展,大型室内空间的不断增多,人们在室内的时间越来越多,如何准确获取室内人员、商家、物品的位置已经成为人们的迫切需求。目前,室内定位主要采用无线传感器网络作为研究方向,现有的定位算法误差较大导致无法准确获取定位信息,其中WKNN(Weighted K-Nearest Neighbor,带权重K最近邻法)的定位误差相对较小,但是依然有限。本文为了减少室内定位算法误差,提出了基于WKNN的定位误差优化算法,为了减少定位成本,提出了基于WKNN的定位成本优化算法。基于WKNN的定位误差优化算法是为了进一步减少WKNN定位误差。误差优化算法是在WKNN算法选择K条指纹后按照信标节点分组,每组的K个RSSI(Received Signal Strength Indicator,接收信号强度指示)与未知节点对应信标的RSSI求欧式距离,根据欧式距离计算各个指纹点的权重,利用权重修正未知节点RSSI。对修正后的未知节点RSSI,采用对数常态分布模型计算未知节点与信标节点之间的距离,最后采用极大似然估计方法估计未知节点坐标。本文选择适合大型商场、大型地下停车场的200*200m的环境,仿真比较误差优化算法与WKNN的定位误差,结果表明,误差优化算法的定位误差低于WKNN,提升了定位效果,适合追求高定位精度的情况下采用。基于WKNN的定位成本优化算法是为了在相同的200*200m环境下减少定位成本。成本优化算法使用13个信标节点重新布局,根据未知节点的RSSI值,选择最大的三个RSSI值对应的信标节点作为可靠信标节点,根据可靠信标节点更新指纹库。分别求出未知节点RSSI比例作为可靠信标节点的可靠度,依次修正指纹库中对应的RSSI,最后采用WKNN完成未知节点坐标估计。仿真结果表明,在200*200m环境下,成本优化算法的定位误差略高于WKNN,减少了23个信标节点,节约了至少55%的定位成本,适合对定位精度要求适中,严格控制成本的情况下采用。