随着社会与科技的发展,能源问题受到的关注日益增多,越来越多的工厂和公司希望实现其冷暖气系统和照明系统具有随着人员的流动而进行自动调节的功能,从而实现节省能源与花销的目的,因此对一定区域内人数的检测和人员的定位具有重要的意义。本文提出一种基于WiFi的人数检测和室内定位方案,其中传感器的部署是基础,之后基于此进行人数检测和室内定位。首先,在传感器部署阶段,根据室内定位的需求,针对三重覆盖问题中存在的成本问题,本文以传感器数量最少和部署位置最优为目标,提出了一种自适应估计粒子群优化算法。该算法能根据三重覆盖的程度来自适应地调整传感器的数量,并且在算法中包含了一种对越界的传感器的处理方法。实验结果表明,与虚拟力方法相比,所提出的方法能够更快地实现更好的部署,并且其中的越界处理方法比一般的方法更为高效。此外,本文在办公场景和森林公园场景中的实验结果也验证了所提算法的可行性。其次,在人数检测阶段,针对基于MAC地址的人数检测方法和基于WiFi信号RSSI的方法由于信号容易出现检测误差的问题,本文以减小误差为目的,提出了基于人工神经网络的MAC-RSSI人数检测方法,该方法将基于MAC地址的人数检测方法和基于RSSI的人数检测方法进行数据融合来进行更为精准的人数检测。实验验证了相比于基于MAC地址的方法和基于RSSI的方法,本文提出的方法结果更加接近真实情况,且鲁棒性更好。然后,在室内定位阶段,针对于一些不需要精确定位的情景,本文提出基于贝叶斯滤波的初步定位方法来简单判断未知节点所在的区域。在精确定位阶段,针对RSSI易受环境因素影响而造成定位精度低的问题,本文以提高定位精度为目的,将自适应模糊神经推理系统应用于RSSI与空间距离的转换中,采用粒子群优化算法来优化该系统的参数,之后使用最小二乘法来实现最后的定位。实验结果显示本文提出的方法与人工神经网络方法相比能将RSSI更精准地转换成空间距离,且定位精度更高。最后,对全文工作进行了总结与展望。