近年来,在大型室内停车场环境中,人们对于快速而准确的获取自身和车辆的位置信息的需求越来越强烈。而全球定位技术在复杂的室内停车场环境中很难达到较高的定位精度,因此,室内停车场定位技术已经成为了人们研究的热点。本文提出了基于Wi Fi的改进的指纹定位算法,并将其应用于室内停车场定位。目前对指纹定位算法的研究大多把定位精度作为研究重点,却忽视了在离线阶段所花费的时间和人力成本。为了部署较少的参考节点(RP)以减少定位成本,提出了分区拟合值近似法(P-FP)来减少离线阶段的定位成本,并在此基础上,提出了基于序贯重要性重采样(SIR)粒子滤波的指纹定位算法(PS-FP)来进一步提高定位精度,同时实现对移动目标的实时定位及跟踪。为了减少离线阶段采集样本时的工作量,P-FP算法首先对离线阶段接收到的信号强度值(RSSI)进行数据滤波,剔除掉与实际的RSSI相差较大的样本数据;其次,对整个目标环境进行分区并在每个分区内重新部署虚拟RP(VRP),采用分区拟合的方法得到每个分区的环境系数;然后,通过多项式对数距离路径损耗模型和环境系数得到每个分区的误差特性向量,并将该向量作为所在分区的噪声;最后,依据室内传播模型计算所有VRP的RSSI来建立离线指纹库,并采用K均值(K-means)聚类算法对指纹库聚类以减少在线阶段的工作量。为了进一步提高P-FP算法的定位精度及实现对目标的跟踪,在P-FP算法的基础上,本文提出了PS-FP算法。首先,通过P-FP算法得到定位坐标,采用SIR粒子滤波算法预测下一时刻目标的位置信息;然后,计算SIR粒子滤波预测的坐标与下一时刻P-FP算法得到的坐标之间的相对距离;最后,设置合理的阈值,若该相对距离大于阈值,则将SIR粒子滤波所预测的坐标作为最终的定位坐标,反之,将P-FP算法所得到的坐标作为最终的定位坐标。为了更好的分析及验证所提出的算法的有效性和实用性,本文对两种算法进行了系统的实验。实验结果表明,与传统的WKNN算法相比,当在室内停车场中部署较少的RP时,本文提出的P-FP和PS-FP算法可以有效的提高定位精度,并且具有较好的应用前景。