随着移动互联网技术的不断发展,基于位置的服务(Location-based Services,LBS)有了越来越广泛的应用,人们对位置信息及时、快速、准确获取的需求也越来越强烈。传统的GPS和蜂窝网技术在室外能达到较高的定位精度,但在室内环境下,由于建筑物对信号的影响,定位能力受到较大的限制。无线局域网(Wireless Local Area Network,WLAN)由于具有布设简单、价格低廉等特性,被广泛密集部署在室内环境中为用户提供通信服务,基于WLAN的室内定位已经成为当前室内定位的研究热点。本文主要研究基于WLAN接收信号强度(Received Signal Strength,RSS)的指纹定位,然后结合支持向量回归和卡尔曼滤波,设计相应的室内定位算法。本文的主要工作如下:(1)针对室内无线局域网环境中无线信号不稳定,以及传统支持向量回归定位算法在构建位置坐标与信号强度时的单输出导致位置坐标信息之间的关联性降低的问题,提出一种基于改进支持向量回归(Improved Support Vector Regression,ISVR)的室内WLAN指纹定位算法。该算法首先对采集到的RSS指纹进行对数处理使其更符合正态分布,然后采用高斯滤波过滤掉小概率的指纹值之后构建指纹数据库;其次,为了降低单独构建x与y坐标模型的误差,提高二维位置信息与RSS之间的关联性,在训练阶段增加训练一个校正坐标z=x*y;最后,根据加权反K近邻的方法得到最优的位置坐标。实验结果表明,提出的算法可以减少室内复杂环境带来的噪声干扰,与传统的支持向量回归定位算法相比定位精度提高了30%。(2)针对室内运动目标实时定位时采集的RSS较少,对实时性的要求较高,以及需要考虑位置之间的时间相关性,提出一种基于卡尔曼滤波的室内运动目标实时定位算法。首先,该算法在ISVR算法的基础上计算得到当前位置坐标的测量值作为卡尔曼滤波的输入;其次,结合室内的地图信息,根据是否在转角处设置不同的卡尔曼滤波参数状态噪声和观测噪声;最后,结合观测值和系统的预测值经过卡尔曼滤波,得到最终的定位结果。实验结果表明,提出的算法可以降低定位时的波动,定位精度相较改进前提高了20%以上。