当今社会计算机科学和通信技术高速发展和普及,大众人群对于位置服务(Location-based Services,LBS)的关注和渴求越来越高。无论是商业用途还是个人事务等多个领域,位置服务都有十分广阔的运用前景。根据环境条件的不同,定位系统分为室内定位系统和室外定位系统。日常熟知和频繁使用的系统有全球定位系统(Global Positioning System,GPS)和蜂窝网络定位系统。这两种系统在开阔室外环境中的定位效果不错,但在复杂的室内环境中,两者定位效果不佳。随着无线局域网(Wireless Local Area Networks,WLAN)技术的普及和应用,大多数公共场所都部署了无线局域网络,基于WLAN的室内定位系统方案变得具备可行性。由于基于WLAN的室内定位系统能够利用已有的无线网络,定位效果良好等因素,使得基于WLAN的室内定位技术相较于其余室内定位技术有较大的优势。本文通过对定位算法进行研究,主要的工作如下:研究了无线信号的传输特性和传统的室内定位算法,并比较分析了各定位算法的优缺点。此外,还总结归纳了影响信号传输的各种因素。研究 了基于核主成分分析(Kernel Principal Component Analysis,KPCA)和径向基(Radial Basis Function,RBF)神经网络的WLAN室内定位算法。该算法首先利用KPCA提取指纹点位置的接收信号强度(Received Signal Strength,RSS)定位特征,然后运用RBF神经网络构建提取后获得的RSS信息和位置坐标间的非线性关系,并利用此关系对测试点的位置坐标进行估计。研究了几种信号预处理的算法。分别利用这些算法对采集的RSS信号进行预处理,再利用RBF神经网络构建预处理后的信号信息和位置坐标的非线性关系,利用此关系对测试点的位置坐标进行估计。最后通过对比实验说明和分析各个算法的性能。实验结果表明,基于KPCA和RBF神经网络的WLAN室内定位算法相较于传统定位算法,定位精度有所提高,定位效果要好。