随着无线传感网室内定位的发展,基于位置服务的需求也越来越广,随之带动科研、商业、工业部门的极大关注。无线传感网络的商业应用使其发展速度迅猛向前,使其融入各个领域中。现在研究无线传感器网络定位的科研人员越来越多,基于WSN的室内定位方法也越来越成熟。科学家预言,WSN将会引起一场信息革命,掀起新的产业浪潮,未来WSN无处不在,极大地影响人类的生活方式。无线传感器网络室内定位算法中,基于RSSI室内定位算法的指纹集匹配和测距模型算法有较强的应用优势。但针对室内环境复杂性和特殊精度要求,加上信号在空气中传播易收到折射、衍射和多径传播等不确定的因素的情况,如何优化改进基于RSSI的室内定位性能也成为目前传感器室内定位的一大热点问题。所以本文针对RSSI极其受到室内传播环境干扰的情况,分析指纹匹配和传播模型的不足,提出了相应的改进算法。物理环境对信号强度的干扰在一定程度上使得RSSI值偏离原本模型,而目前大多数算法未考虑近似RSSI值周围物理近邻之间的关系。例如:物理相邻和RSSI逻辑相邻之间的影响。最后使用高斯拟合的方式,对数据进行匹配处理。针对环境多径参数的影响,造成指纹集与距离集合的关系匹配形成多匹配现象。使用传统定位算法并不能解决环境对RSS值得扰动状况,因此,本文首先通过对指纹集算法和AP选择之间的连通性进行深入研究,然后分析了APs位置和数目对指纹集定位采样结果的影响,对已经部署好APs的场景进行研究比较,针对现有的AP选择算法没有考虑环境对距离模型中衰减因子的影响,提出了一种抗多径的思想来辅助提高定位性能。并使用概率性Bayes算法对影响RSS值的参数很好的平滑处理,减少畸形样本带来的误差。实验设计通过试验试验部署多个TL-WA501+的AP,RSS接收装置选用华硕X8AIN series的笔记本电脑,使用笔者设计的接收运行在Windows 7的操作系统上,由手机采集软件在Android系统的手机终端上进行模拟仿真实验。通过实现数据分析,这两种算法在定位精度上不仅有较大的提升,而且由于对室内场景因素考虑较为周全,因此还具备一定的扩展性。