随着移动互联网技术的发展,人们对精确位置服务的要求越来越高。在室外环境中,GPS、北斗等四大卫星系统基本能满足人们的需求,然而在室内遮蔽环境下卫星信号强度和质量急速下降,由此产生了室内位置服务的“最后一公里”难题。目前,以ZigBee通信网络为平台实现位置指纹法定位是解决该难题的一个合理方案。本文以能够为室内用户提供精确实时的定位信息为研究目标,对基于位置指纹的ZigBee室内定位跟踪技术中的一些关键环节进行了研究。首先,从提高信号强度数据的可靠性出发,采用理论与实践相结合的方法对ZigBee信号强度的特性展开分析。针对信号强度具有时变性的特点,采用方差滤波器对离线阶段采样的信号强度样本进行预处理。实验结果表明,该方法能有效地剔除畸变值,建立准确的位置指纹数据库,从而提高了定位精度。其次,为提高位置指纹的匹配效率,引入了经典聚类算法k均值来实现对位置指纹数据库的聚类划分(区域划分)和对目标的区域定位。针对k均值法聚类划分阶段频繁出现的奇点问题,根据位置指纹数据库特点构造了新的聚类目标函数;针对k均值法区域定位阶段定位准确率低的问题,采用支持向量机来实现区域定位。实验结果表明,基于改进k均值和支持向量机的区域划分及定位方法在提高指纹匹配效率的同时,相比于传统k均值法,能显著地减少奇点数目和提高区域定位准确率,从而提高了定位精度。最后,选择实时性较好的卡尔曼滤波来实现移动目标的定位跟踪。为了提高定位跟踪精度,根据接收信号强度随传输距离的变化规律,对位置指纹匹配算法加权K近邻进行改进。实验结果表明,基于改进加权K近邻与卡尔曼滤波的方法能在对移动目标的定位跟踪中取得较好的跟踪精度,且在整个跟踪过程中,具有较强的稳定性。