近年来,随着移动互联网的发展,基于位置服务的需求日益增长。目前室内定位技术有待发展,其中基于Wi Fi的室内定位因为具有部署广泛的优势,得到了研究人员的广泛关注。目前研究人员可以使用商用网卡在Wi Fi信号中获取信道状态信息(channel state information,CSI)。CSI作为定位参考信息,具有定位精度优势。目前在使用CSI作为定位参考信息的室内定位中,存在人力成本高以及硬件成本高的问题,不适合广泛部署。综上所述,为了降低构建室内定位系统的成本,并在降低成本的条件下达到一定的定位精度,本文提出了一种基于CSI的轻量级室内定位方法。首先,本文提出了一种室内定位离线数据处理方法。通过连续采集不同位置点的指纹数据,利用指纹点分离算法,对不同指纹点的数据进行分离。该方法能够降低离线采集指纹数据时间。对指纹点进行分离后,为了选择定位效果较好的基站,设计了一种对基站指纹点数据一致性的评定方法。该方法计算CSI数据中每个子载波偏离其中心幅度的平均程度,通过评定值决定指纹数据的最终保留情况。该方法减少不必要的基站部署,能够降低构建室内定位环境的硬件成本。同时减少存入指纹数据库的数据量,并且保证存入指纹数据库的数据较为稳定。然后,本文设计了一种改进的WKNN(weighted k-nearest neighbors)指纹匹配算法。该方法在WKNN的基础上对距离排序进行修正,以此来降低距离较远的相似点对定位精度的影响。考虑室内存在较多干扰或多径效应较为丰富的情况,本文提出了使用随机森林模型对采集的CSI数据进行迭代特征提取的方法。以获取在室内存在干扰的情况下,对区分位置更有效的几个特征。使用提取特征后的数据进行在线匹配,以此提高定位系统的鲁棒性。最后,对提出的轻量级定位方法进行了实验验证。选取小型室内定位场景作为实验环境,以还原日常生活中常见的室内定位场景,在实验选取的场景下,对比本文提出的室内定位方法和已有方法的定位精度,并对比直接使用随机森林分类模型进行定位的精度。实验结果表明,本文提出的定位算法以及数据处理方法能够在满足轻量级的前提下,取得较好的定位精度。