随着移动智能设备和网络技术的发展,位置信息服务需求逐渐增大。现有技术已能很好地满足室外定位的需求,然而室内定位技术仍处于蓬勃发展时期。在众多室内定位技术中,基于Wi Fi的室内定位技术以其系统简单、成本低、精度较高等优势而得到了广泛研究。Wi Fi信号由于室内环境的复杂性而易变,进而很大程度上影响了定位精度。如何充分利用Wi Fi信号信息成为了基于Wi Fi的室内定位技术中的热点研究问题。因此,本文以提高定位精度为目标,利用Wi Fi信号特征研究了基于Wi Fi的室内定位技术。本文首先提出了基于概率分布区间的室内定位算法,根据Wi Fi信号变化特征来描述某位置处的接收信号强度,而不仅仅局限于单一数值。然后,研究AP组合对定位的影响,通过概率分布区间来充分描述位置坐标处的信号特征的同时,使用AP选择重构指纹结构。基于此,提出一种可适用于新指纹结构的匹配算法,来提高距离待测点更近的参考点被选择参与定位过程的可能性。最后,以匹配算法的加权距离为WKNN算法的权值,输出估计位置。通过实验证明了所提出的方法能有效应用于室内定位环境中,并提高了定位精度,平均误差为1.36米。为了加强单点定位之间的联系,防止出现较大偏差,本文还研究了基于滤波技术的室内定位技术。通过比较卡尔曼滤波算法和粒子滤波算法在室内环境下的特点,本文重点研究了基于粒子滤波的室内定位技术。基于粗估计的粒子滤波定位算法将定位结果作为观测值,却由于估算的定位结果中已经引入不必要的噪声从而影响定位效果。基于接收信号强度的粒子滤波定位算法则直接将接收信号强度与粒子位置建立函数关系,能够避免不必要的误差被引入,却忽视了粒子更新的指数函数对接收信号强度变化的敏感性。基于此,本文提出了基于自适应AP的粒子滤波定位算法,在不同粒子处根据基于概率分布区间的加权距离选取AP,同时利用粒子状态估计和在线RSS的相同AP数目进行加权利用自适应AP来减小奇异值对结果的影响。实验证明,该方法能够有效提高定位的准确性,平均误差可降低至1.01米。