近年来，由于WLAN在室内环境的广泛部署，用户可以通过手机、笔记本和PDA等移动设备随时随地接入无线网络。同时，人们对于位置的需求越来越强烈，而室外环境的全球定位系统不能应用到室内环境中，因此基于WLAN的室内定位系统受到人们的广泛关注。而在WLAN室内定位系统中，位置指纹定位算法以其定位精度高、普适性强和无需额外设备等优点，得到了广泛的应用。位置指纹定位算法主要分为离线和在线两个阶段，离线阶段主要建立位置指纹数据库，在线阶段根据一定的匹配算法，将当前采集到的信号值和位置指纹数据库进行匹配，得到定位坐标。现阶段的研究大多把在线阶段的匹配算法作为重点，以获得更高的定位精度，却忽视了对采集到的信号值进行处理并提取定位特征的过程。而WLAN位置指纹定位系统中的定位误差，部分是由于室内复杂环境下，采集到的信号中混入了噪声所造成的。而且，由于AP的数量越来越多，离线阶段生成的位置指纹数据库越来越庞大，从而导致在线阶段的实时性大大下降。为了减小噪声对定位精度带来的影响，同时减小工作量以提高定位的实时性，本文提出了基于工作量减少和定位精度提高的信号特征提取算法。首先，本文对位置指纹定位算法的过程进行了分析，对匹配算法进行了仿真比较并将KNN算法作为本文检验定位精度的算法。然后分析信号的特性，并对信号的样本数据进行预处理，去除偏差较大的样本数据。其次，分别从提高定位精度和减少工作量两方面分析信号特征的提取算法。在提高定位精度方面，本文提出采用对信号功率谱的对数平均值进行KL变换，以减小信号采集过程中混入的噪声对定位精度造成的影响；在减少工作量方面，本文提出利用改进的K均值聚类算法将定位区域分区，然后在每个子区域选择位置分辨能力较强的AP用于定位，提高在线阶段的定位实时性。最后，对本文提出的信号特征提取算法进行了验证。实验证明，本文提出的信号特征提取算法有效地提高了定位精度，并且减小了在线阶段的工作量。