位基服务(LBS, Location-Based Service),一直以来是一个研究热点问题。随着移动互联网的迅猛发展,近几年来,智能移动终端越来越多地出现在人们的工作和生活中,扮演着举足轻重的角色,而作为位置服务基础功能之一的定位功能,也渐渐受到人们的关注和青睐。尽管卫星定位系统,作为一种成熟应用的定位技术,在广阔的室外良好环境中,能够为用户提供精确的位置服务信息。但人们的需求已经不再满足于室外,更多的关注点在于室内区域,而卫星信号由于不具有穿透建筑的特性,在室内已经无法提供定位服务了。智能移动终端作为当今人们不可或缺的通信娱乐工具,尤其是各种功能类型的手机、平板和可穿戴设备层出不穷,已经为人们提供了很大的便利,满足了人们的精神物质生活。这些设备普遍具有Wi-Fi(Wireless-Fidelity)通信模块,而在当今社会,超市、公司、学校等各种场所Wi-Fi网络覆盖率起来越高,Wi-Fi热点随处可见,基于移动终端的Wi-Fi室内定位具有良好的研究基础和广泛的应用前景。而本文正是针对基于移动终端的Wi-Fi室内定位进行了比较深入的研究探讨,论文的主要工作如下：(1)分析了室内外定位技术的研究背景和现状以及典型定位方法；对iOS和Android在移动终端平台系统架构、开发语言及Wi-Fi类库方面进行了对比,分析了选取Android作为研究终端的缘由所在,确定了基于移动终端的Wi-Fi室内定位的方案；并对本文中选用的最近邻分类算法进行了研究。(2)在Wi-Fi室内定位算法模型设计中,针对基于传播模型的定位算法在测距阶段,由于信号受各种因素的影响,待测点因测距不准确引起的各种易于定位和不易定位的细节问题,探讨了三边定位算法和线性回归模型的估计算法两种解决方案；又重点针对位置指纹算法从离线采集阶段和在线定位阶段两方面进行了相关细节的研究工作：离线采集阶段探讨了定位区域的划分问题、位置度量指标的建立过程、Wi-Fi信号强度信息如何获取的问题、以及位置指纹数据的生成和指纹数据库如何构建；在线定位阶段,探讨了位置指纹之间的相异度量指标、基于确定型的匹配算法和基于概率型的匹配算法的在构建指纹上不同之处以及基于示例的KNN(K-Nearest-Neighbor-Classifier)算法的流程。然后对两种算法模型进行了比较分析,选择了鲁棒性好并且易于在移动终端中实现的位置指纹定位算法模型。(3)在位置指纹算法改进工作中,本文先对RSSI(Received Signal StrengthIndicator)原始数据提出了截尾均值法、中位数法、筛选后均值法三种不同处理方法,目的在于通过数据预处理使得位置指纹数据更加有效可靠,从而提高定位精度。又对最近邻分类算法提出了三种不同的改进策略：基于距离加权、基于余弦相似性度量和对两者折衷的平衡联合度量,并在实验仿真中具体分别分析了传统的KNN算法和三种改进策略算法的定位结果和误差：最后对以上四种算法在不同k的取值下的定位误差进行了对比,验证了三种改进策略算法的有效性,以及联合度量算法的平滑性和稳定性。