基于位置指纹的室内定位技术以其实现简便、成本较低、定位精度高等优点已成为室内定位技术的研究热点。区别于广域定位技术和其他局域定位技术，基于位置指纹的定位可以利用已经广泛部署的Wi-Fi接入点，不需要添加定位测量专用硬件，不依赖于易受室内复杂环境影响的信号传播损耗模型，可以使用纯软件的方式实现，是一种具有研究和实用价值的定位技术。本文从不同的角度对基于位置指纹的室内定位技术进行了深入的研究。　　针对如何提高基于位置指纹的定位算法的精度问题，提出了基于局部加权回归的射频指纹地图校正的LWR-KNN算法。在离线阶段采集的参考点的基础上，通过局部加权回归得到未实际采样的模拟参考点的位置指纹作为实际采样得到的射频指纹地图的扩充，从而提高定位精度。同时，将这种思想应用于射频指纹地图的重建，即在待定位区域内仅进行轻量的离线阶段采样，通过局部加权回归来得到完整的射频指纹地图，从而减小离线阶段所需要的工作量。　　针对如何提高基于位置指纹的定位算法在部分接入点信号丢失的情况下的鲁棒性的问题，提出了基于信号空间畸变检测及修正的Robust-KNN算法。将接入点信号丢失看作异常，在信号空间上进行实时的异常检测，当检测到异常时对信号空间距离因子进行修正，从而避免异常情况下定位精度的大幅衰减。同时，为了进一步确定出现异常的接入点，基于投票法的思想提出搜索丢失接入点的SLAP算法，、在进行位置估计的同时不断更新各个接入点的丢失可能性，从而为定位系统排除异常提供参考。　　通过实际的室内环境中采集的数据，对LWR-KNN算法、Robust-KNN算法以及SLAP算法在MATLAB中进行了验证。实验结果表明，LWR-KNN算法可以改善定位精度，且在参考点稀疏的情况下改善尤为明显;Robust-KNN在部分接入点丢失的情况下仍有能力提供较可靠的位置估计，而SLAP可以在获取一定数量观测值后确定一个丢失接入点集合，为定位系统排查异常提供可靠依据。