移动互联网和物联网的一个重要特征是能够提供基于位置的服务,然而全球定位系统的信号不能穿透大多数建筑材料,无法有效地用于室内定位。WiFi信号广泛存在于室内空间,是一种较为理想的定位源,且基于WiFi信号的指纹定位具有较高的精度,通过融合不同的指纹,可以得到比单一指纹更准确的定位结果。本文主要针对接收信号强度和信道状态信息指纹无法有效融合的问题和定位过程中存在大量无意义的指纹匹配计算的问题,进行了深入的研究。主要研究内容如下:CSI指纹的准确度很大程度上影响定位系统的精度,因此,本文首先对CSI数据的预处理方式进行研究。将CSI数据变换到时域,通过消除低功率径,达到降低CSI信号中干扰的目的;根据相干带宽原理,将CSI信号的30个子载波等效为4个独立子载波,并在每一个独立子载波上对CSI幅值取平均,在保留CSI信息特征的前提下降低CSI信号维度;然后,通过引入分布式CSI指纹生成算法,生成维度低且准确度高的CSI指纹库。将RSS和CSI指纹的特征进行融合用于定位,可以得到更准确的定位结果。因此,本文定义了每一个候选参考位置的置信度,反映RSS和CSI指纹定位算法生成的候选参考点分布的疏密程度。对RSS和CSI指纹定位结果的相似度进行建模,进而生成置信度的值,以实现RSS和CSI指纹融合的目的。在此基础上研究了一种RSS和CSI指纹融合算法,仿真结果表明该指纹融合算法比现有的算法具有更高的定位精度。对于定位过程中存在大量无意义的指纹匹配计算问题,本文对指纹库进行分簇处理,利用分簇结果进行粗定位,极大地降低了指纹匹配计算次数。现有的分簇算法与定位系统结合,会造成一定程度的定位精度损失。因此,本文中定义了一种基于CSI信号多径时延的指纹并将其作为分簇算法的外信息。该指纹包含的多径时延特征反映了不同接收位置物理空间信息,可以提升分簇的准确度。将亲和力传播分簇算法与RCF结合,研究了一种基于分簇的融合定位算法。通过对大量实测数据仿真,验证了该算法在具有更低系统复杂度的前提下进一步提升了定位精度。