随着移动互联网的高速发展,移动智能终端,如平板电脑、车载导航、智能手机的广泛使用。使得与位置紧密相连的移动互联网应用也得到了了快速发展。人们的出行越来越依赖导航定位技术。如飞机场、大型购物商场、大型仓库、教室、室内停车场、隧道等比较复杂的室内环境,人们往往需要知道自己的准确位置或者仓库中设备的准确位置。在室外环境下人们可以利用GPS来进行导航定位,但在环境相对封闭的室内,很难搜索到GPS信号。许多国内外专家学者提出了室内定位技术解决方案,用来解决室内环境下定位的难题。室内定位系统主要使用基于WiFi的室内定位技术,该技术包含基于WiFi信号接收强度的指纹识别算法和WiFi信号距离损耗模型两种不同的实现方式。基于WIFI的室内定位系统中,主要是基于接收信号强度（Received Signal）的指纹识别算法。该算法是一种基于指纹数据库的匹配定位算法,通过建立定位区域信号强度的指纹数据库,再与实时采集的信号强度进行匹配来达到位置估计的目的。此方法分为离线和在线两个阶段:离线阶段主要任务是参考点特征信息采集,在线阶段的任务是完成定位服务。使用指纹匹配算法定位存在两个不足:一是测量参考点信号强度时需要耗费大量人力,它需要人工分别测量出参考区域的每个参考点处的信号强度值;二是由于整个定位过程分为在线和离线两个阶段,在定位阶段参考点处的信号强度和离线阶段参考点处的信号强度存在差异,导致定位出现误差。受定位精度、定位速度以及复杂室内环境等条件的限制,实验室单一环境下的理想算法模型很难在不同的室内环境中发挥算法优势^[3]。可以通过融合多种算法,提高算法的适应性,进而提高算法准确度。本文改进了一种基于双模互补的WiFi室内定位技术,可以降低上述两种不同算法缺点带来的影响。使用一种定位算法不能适应多种环境下的定位,对定位环境的不稳定造成的影响不具有很好的鲁棒性,不适用实际室内环境中的定位。本课题分别用位置指纹匹配算法和多项式分布算法在不同环境下进行定位,用同一个参数量化这两种不同算法对同一环境的定位结果。根据选择系数选择最优算法进行室内定位,在随后的在线定位阶段可以一直采用根据选择系数选出来的能够适应本环境的算法进行定位。可以解决指纹匹配算法自身的缺陷,显著提高室内定位精度。