在无线通信技术和智能移动设备的双重推动下,基于位置服务(Location Based Service,LBS)已经广泛的进入了人们的生活,LBS不仅在煤矿、地震、消防救援等应急救灾领域;而且在景区、飞机场、商场导航等公共生活领域扮演着越来越重要的角色。一方面LBS解决了人们日常生活遇到的一系列问题,极大地便捷了人们的生活;另一方面,随着LBS在不同领域更为广阔的发展,不可避免对作为其支撑的定位技术提出了更严格的需求。同室外广域条件已经相对成熟的室外定位技术服务相比,室内环境更加复杂,而且对精度要求也更高。目前常用的室外定位技术,如卫星定位系统等,由于障碍物遮挡的情况,无法满足需求,因而一系列针对室内定位的科学研究不断出现。基于WiFi的室内定位技术因具备覆盖范围广,便捷性高,成本低等优点而成为研究热点。本文正是以此作为研究方向,针对WiFi定位技术存在的不足进行深入研究,主要工作如下:本文首先分析了WiFi的信号强度(Received Signal Strength Indication,RSSI)在典型室内环境的分布特性,指出利用RSSI均值构建位置指纹库上的不足,提出利用RSSI值时间序列构建位置指纹库的新方案,并根据离线测量阶段RSSI值方向上的差异性,加入方向这一特征值,从而构建更加符合实际环境的位置指纹库。随后,本文以定位实时性为出发点,针对采用k-means方法对位置指纹库数据进行聚类分块时需要选取初始聚类中心以及容易陷入局部最优的缺点,确定采用仿射传播(Affinity Propagation,AP)聚类算法进行聚类分块。进而对聚类之后,依然存在一些参考点的RSSI值与定位点的RSSI值欧氏距离比较小,但是实际物理位置与定位点的距离比较远的问题,提出采用二次聚类的方法,过滤这些对定位精度影响较大的参考点。针对离线测量阶段存在数据采集复杂,工作量大等缺点,本文提出采用压缩感知理论重构位置指纹库,能够在少量参考点采集数据恢复完整的位置指纹库,既显著减少了离线测量阶段的工作量,又保证了较为理想的精度。基于以上的理论工作成果,本文设计并实现了基于位置指纹的WiFi室内定位系统,该定位系统在Android平台下设计开发,包括数据采集客户端、定位客户端以及服务器端,该定位系统具备数据采集、位置估计,室内地图显示等功能。实际场景的测试结果表明该系统具备较好的定位效果。