随着无线电技术的发展,基于位置的服务得到了普遍关注。精准的室内定位技术是实现位置服务的关键之一,由于室内环境较为复杂,易受多径效应的影响,使得定位稳定性变差。位置指纹定位由于其无需部署其他设备,操作简单且定位精度较高,成为当前室内定位中应用越来越广泛的技术之一。考虑到位置指纹技术在室内接收端定位中的优势,故将其引入到室内信号源定位的系统中。本文重点研究了基于位置指纹的室内信号源定位算法,针对如何提高定位精度且缩短定位时间进行了研究,主要内容总结如下:首先,分析了室内信号源定位系统的组成及定位原理。针对室内信号源定位的特点,研究了典型的位置指纹定位算法。通过对传统算法的分析研究,结合定位性能评价指标,选定K近邻法(K nearest neighbor,KNN)作为在线定位算法进行研究。并在此基础之上分析了引起定位误差的主要因素。其次,对于环境差异使得在线阶段针对测试点接收到的信号强度不同,以及存在离待测点较远的参考点,从而造成在线定位误差大的问题,提出了基于余弦相似度的二次加权KNN定位算法。该算法以参考点与待测点强度特征向量间的余弦相似度作为KNN在线定位计算的权重,计算出第一次加权质心定位结果,然后根据第一次定位结果选择是否进行二次加权来确定待测点的最终位置。在此基础之上对定位算法进行了仿真测试,结果表明所提的算法在一定程度上克服了相应问题,提高了定位精度。再次,针对在线定位阶段匹配过程中需要遍历指纹库中的每个参考点,进而导致定位速度慢的问题,提出了改进K-means聚类算法,并将其应用于离线指纹库的定位区域划分,以更快速、精确地匹配到定位区域,缩短定位时间。该算法以余弦相似度作为相似性判别指标,用于确定指纹库初始聚类中心,避免传统算法在聚类过程中聚类中心随机分配造成的局部最优解现象,以更好的完成聚类区域的划分。结合在线定位仿真测试,表明所提的算法实现了指纹库的有效划分,缩短了在线阶段定位时间,同时也进一步提高了定位精度。最后,在所选硬件平台的基础上,进行了配套软件功能的开发,用于实现实际室内环境定位。然后进行实际环境测试,结果进一步验证了本文所研究的定位算法的有效性。