GPS是比较成熟的室外定位技术,然而它在卫星信号被部分遮挡的室内环境中定位精度并不高。针对这种情况,研究者提出了各种室内定位技术。室内定位技术包括主动定位和被动定位两种方式。被动定位与主动定位技术相比,定位目标不需要携带设备,能满足新兴的市场需求。目前,由于很多室内环境中WIFI密集部署,并且其应用限制小,能够在不被察觉的情况下实现定位,所以本文主要研究基于WIFI的室内被动定位技术。CSI能提供比RSSI更精细的信道信息。这些信息能提高室内被动定位技术的精度,并且CSI指标目前已经能够在部分民用网卡上获取,而不仅仅局限于专用设备,因此其可在很多场景下应用。本文把CSI作为室内被动定位的指示器,配合多输入多输出(MIMO)技术,设计了同时利用CSI空间分集和频率分集特性来提高室内被动定位精度的定位技术。离线阶段针对在多径和环境干扰下,采集的CSI样本存在异常值的问题,对CSI原始数据进行密度聚类法来降噪,提取出贡献最大的子载波。接着再对每组CSI幅值进行加权平均处理,将来自不同AP的处理后的CSI幅值以及地理位置坐标作为指纹特征,构建位置指纹数据库。在线实时定位阶段,根据欧几里德距离优先选取法和WKNN算法估算出被测目标的位置,最后通过分析CSI数据值,利用数学上的线性变换方法提取到可靠的相位信息,增加了室内定位可用信息量。同时为了克服指纹数据库过期导致定位精度下降的问题,采用了一种经过严格设计的人工神经网络的更新方案对指纹库进行更新,利用多层感知器(MLP)网络结构进行非线性关系映射,采用BP算法训练,进一步提高了系统的性能。实验同时还仿真了包括天线个数,训练网格单元大小,不同定位算法等多个参数对室内定位性能的影响。实验结果表明在训练网格单元大小为0.5m*0.5m,天线数目为3时,和其他同类型的室内被动定位技术相比,能获得更好的精度。