随着互联网大数据时代和5G移动通信的到来,基于位置的服务变得愈发重要。近年来,一些研究聚焦于如何准确获取当前人员及资源的位置信息上。在实际环境中,无线定位的难度很大程度上取决于当前待定位区域的实际场景。根据部署的接入设备与待定位目标的物理位置,传播环境可以分为视距、非视距和复杂混合场景。另外在互联网大数据时代下位置信息具有隐私保密性,需要一定的安全机制来保证。因此,需要研究出高精度安全可信的定位理论方法。首先,本文阐述了一些用于获取物理位置信息的常用技术,主要包括红外线、蓝牙、RFID（Radio Frequency Identification）、UWB（Ultra Wide Band）以及Wi-Fi（WirelessFidelity）等,并且分析比较了各个技术的优劣。针对实际环境部署以及普遍应用程度,本文重点研究分析了Wi-Fi定位技术的发展并着重讨论了复杂环境下的有效定位手段,其中包括指纹库定位技术的改善和定位系统中存在的安全隐患问题。其次,针对室内复杂环境下定位精度问题,本文重点研究了基于CSI（Channel State Information）的单接入点指纹库定位系统。本文提出的EDBFi定位系统可以解决在复杂环境下传统指纹算法精度不高,位置指纹粒度小的问题。具体来说,EDBFi定位系统主要包括两个阶段,离线阶段采用EDBN网络重构位置指纹以增大位置指纹粒度,在线阶段通过高维匹配函数把位置间的相关性转换成位置相似概率。本文中通过搭建实验平台,经实际硬件测试得到的CSI对EDBFi定位系统进行验证,并分析了天线数目、匹配函数等等参数对EDBFi定位系统性能的影响。通过实验验证结果表明,所提出的EDBFi系统定位精度,相比经典的指纹定位系统Deep Fi提高了20%,平均定位误差在65厘米左右。最后,本文对实际定位系统中存在的安全性问题进行了研究。首先建立了基于RSS的基本攻击检测模型,分析了存在与不存在欺骗攻击两种场景下RSS（Received Signal Strength）所遵循的分布。其次介绍了传统基于K均值聚类算法的欺骗攻击检测模型并分析其存在的缺陷,从而提出了基于PKC（Particle K-Cluster）算法的欺骗攻击检测模型。本文通过仿真模拟实际定位系统可能存在的欺骗攻击,来衡量所提出的检测模型的检出率和虚警率,并分析了参数学习率、惯性权重等不同参数对检测模型性能的影响。仿真结果表明在不同的判决门限下,相比于传统的检测模型,本文提出的基于PKC算法的检测模型都有较好的性能。