全球针对公共场所的暴力袭击事件频发;各军事行动中,巷战又是不可避免的。可见,小范围的室内定位技术可以帮助我军更好地锁定和打击关键目标。位置指纹定位技术克服了以往电磁波测距定位对时钟同步要求高、受环境影响大等缺点,给精确定位需求尤其是室内定位提供了良好的技术支撑。本文基于位置指纹定位的特性,在当前广泛发展的云计算的基础上,研究了不同的位置指纹定位算法并完成了其在云计算环境下的实现。主要做了以下研究工作:在传统位置指纹定位算法的基础上,研究了一种NN-KNN算法,该算法是将NN(Nearest Neighbor)和KNN(K-Nearest Neighbor)两种算法的定位结果进行一个加权处理。从理论方面分析推导了其相较传统位置指纹定位算法的优越性。经实验证明,该算法在搞精度定位性能方面是具有优越性的,定位精度较传统定位算法提高明显,2m内定位概率提高到65%。为增强算法的普遍性和灵活性,在NN-KNN算法的基础上又稍作改进,研究了一种改进性的定位算法KNN-Hybrid,该算法是增加不同k值KNN算法的数据量,将各k值对应的定位结果进行一个加权处理,以加强算法对不同定位环境的适应力,从而得到更好的定位性能。经实验证明,该算法2m内的定位概率达到了 73%,相较于NN-KNN算法,提高了约8%。研究了一种适合KNN-Hybrid算法的计算模型。针对KNN-Hybrid算法特点,利用云计算工具中的MapReduce计算模型分布式框架的技术优势对算法进行处理,在传统MapReduce计算模型的基础上加入数据过滤层,优化和改进了传统MapReduce模型,在滤除冗余数据量的基础上确保计算模型更加适应KNN-Hybrid算法对数据量的处理要求。经实验证明,改进后的MapReduce计算模型可使KNN-Hybrid算法最高降低20%的数据处理量,提高了算法的定位效率。