随着智能手机的普及与人们对外出活动的需求增多,基于位置的服务（Location Based Service,LBS）受到广泛的关注。由于室外定位已经存在较为成熟的技术,因此研究的重心逐渐转向室内定位领域中。基于WiFi（Wireless Fidelity）的位置指纹室内定位方法具有覆盖范围广、不需额外的设备等优点,已经成为热门研究方向。但由于大型定位区域中可观测到的信号接入点（Access Point）数量增多,导致定位时长和消耗增加,并且WiFi信号不稳定。因此本文从WiFi的不稳定性和重叠性出发,提出了基于KNN-RF的缺失值补偿,有效解决了WiFi的不稳定性导致缺失值过多的问题,同时选用Relief F-C算法来解决AP点冗余的问题,有效提升了定位的整体性能。本文研究工作如下:（1）搭建了数据采集系统,通过该系统完成在实验区域内数据采集任务,并且基于采集的数据对WiFi信号进行了研究。首先从空间维度对WiFi信号进行分析,得出信号强度的大小随着与AP点距离的增大而减小,并且不同参考点之间的信号强度存在明显的差异性。接着从时间的角度对WiFi进行分析,得出WiFi的信号强度随着时间变化而变化,但是却在时间段中存在一定的规律性。随后分析了终端不同朝向对信号强度的影响,发现终端不同朝向带来的信号强度的变化可以忽略不计。最后对WiFi信号存在的问题进行了分析。（2）基于WiFi信号存在问题提出了基于KNN-RF的缺失值补偿算法以及基于Relief F-C的AP点选择算法。基于KNN-RF的缺失值补偿算法是一种两阶段补偿算法,根据数据集的缺失率情况来选择合适的补偿算法。基于Relief F-C的AP点选择算法则是先使用Relief F算法选择出判别能力最强的AP点集合,再对AP点集合使用最大信息系数,来剔除冗余的AP点。（3）基于实验数据,先对KNN-RF缺失值补偿算法进行了验证,将其和固定值补偿以及RF缺失值补偿算法进行对比,实验表明该算法在定位的整体性能上有很好的提升。接着对Relief F-C算法中涉及的参数进行设置,通过实验将Relief F-C算法中的迭代次数设置为38,最近邻个数设置为25。最后从定位精度,定位误差以及定位时长方面对Relief F-C算法进行了分析,实验结果显示该方法有效改善了定位系统的总体性能。本文从WiFi的不稳定性和重叠性出发,提出了缺失值补偿以及AP点选择算法,经过分析对比能够有效的提升定位的整体性能,达到本文预期。