目前,位置信息对于人们的生活愈加重要,比如在与他人共享位置时所需要的位置信息、在出行时所需要的路线导航、在商超购物时所需要的室内导航等诸多方面都要用到室外或者室内的定位技术。同时,在所有的位置信息需求中,室外位置信息的定位精度已经基本满足日常使用,但室内位置信息的定位精度却不尽人意,且定位难度较大。所以,室内定位相关的研究也显得愈发重要。当前,室内位置信息的定位技术主要有超声波、超宽带、RFID、红外线等。但由于成本、网络规模、普适性等因素这些提到的定位技术并不能满足普适大众化的计算应用的需求。而Wi-Fi定位技术具有成本低、适用性强等优点成为了当前学者们研究的重点方向,但是,该技术所使用的定位方法精度有限。所以,本文在室内位置信息的研究中以Wi-Fi技术为基础,来进行室内定位方法的研究,提高Wi-Fi定位的精度。本文的主要研究工作如下:1.在介绍了Wi-Fi的网络原理及特点、滤波算法等相关技术后,在第3章实验验证了当前无线网络定位的一些问题,如:Wi-Fi信号传播时受多径效应、吸收效应、距离消耗等因素的影响,RSSI在不同方向同距离处分布不同,甚至可能会产生骤降或骤增等信号波动,并且在直方图统计中RSSI多为偏度分布。2.针对以上描述的RSSI分布问题,常见的滤波算法难以有效剔除偏态分布带来的粗大误差,故而本文提出了一种可处理偏态分布噪声的改进的RSSI滤波算法。该算法旨在箱线图（Boxplot）数字信号处理方法的基础之上,再用卡尔曼滤波（Kalman Filter）算法进行更新RSSI,最终求出RSSI平均值代表该指纹点单个AP的RSSI。实验结果表明,该滤波算法相较于常用的滑动平均滤波算法滤波曲线更加稳定可靠,并且可以探测和剔除偏态分布特性的RSSI观测粗差,使得信号强度更加稳定,最终提高Wi-Fi指纹室内定位技术的精度和可靠度。3.在通过以上算法进行滤波,建立线下指纹库后,针对传统定位方法的定位精度不高、定位精度方差变化大等问题,提出改进的WKNN定位算法,该算法与传统WKNN算法不同之处在于引入Sigmoid函数作为权重分配函数,将被定位目标的速度代入权重分配函数,对前后两次定位结果的权重进行分配,提升定位的精准度。同时,在基于Sigmoid函数的定位算法定位之后,引入Taylor级数展开法用来使对定位点的精度进一步提高。实验结果表明,与WKNN算法比较,Sigmoid函数的定位算法平均误差降低了22%,标准差降低16.1%;Sigmoid函数与Taylor级数相结合的定位算法平均误差降低了35%,标准差降低36%;并且在运动轨迹描述中,Sigmoid函数的定位算法所描述的轨迹曲线更加接近真实路线。综上所述,本文在该方向研究中取得较好结果,同时,提出的算法简单快速,具有广泛应用的意义。