近年来，基于位置的服务(Location-based Services，LBS)给人们生活带来越来越多的便利。目前全球定位系统(Global Positioning System，GPS)是获取室外环境位置信息的最常用方式，且能提供较高的定位精度。但是在室内，由于信号受到墙壁的遮挡，在一定程度上限制了这几种方式在室内定位领域的应用，于是应对室内复杂环境的定位技术应运而出。　　目前室内定位系统，基于接收信号强度(Received Signal Strength Indicator，RSSI)的无线局域网(WLAN)定位系统，因其无须添加额外硬件设备，能充分使用已有的无线网络基础硬件，受到越来越广泛地关注。研究了当前常用的室内定位算法，主要工作如下所示:　　研究了无线信号的传输特性和传统的室内定位方法，并充分对比了各方法的优缺点。此外，还总结归纳了影响信号传输的各种因素。WLAN信号的RSSI和物理坐标拥有较多的变量，尤其是RSSI数据集之间存在多重相关性，并且观测数据的量又较少时，传统定位算法会出现较大的定位误差。　　研究了偏最小二乘法(Partial Least Square，PLS)及相关向量机(Relevance Vector Machine，RVM)相结合的WLAN室内定位。PLS通过提取特征以降低指纹库及其对应的物理坐标的维数，并且消除数据集之间的多重相关性。在外部PLS框架保持不变的情况下，得到指纹库和输出坐标的得分矩阵（t和u），然后用RVM来描述内部非线性，即对得分矩阵之间进行映射，获得RVM-PLS算法，并用这个模型对测试点的坐标进行定位分析。进行了模拟实验，分析RVM核参数、指纹密度及AP的数目等影响定位效果的参数，并探讨了这些参数对算法有效性的影响。通过实际场景实验对比，验证了PLS算法在提取内部特征的有效性及RVM建立内部特征映射的优势。同时通过与其他几种定位算法的实验结果对比，表明该算法具有较好的定位效果，满足WLAN室内定位的基本需求。　　研究了基于信道状态信息(Channel State Information，CSI)的室内定位系统。相对于RSSI，CSI提供更为丰富的数据形式，CSI数据是以复数形式给出的，包含了不同信道上信号的幅值和相位信息。通过实验对比，基于CSI的室内定位精度优于基于RSSI的精度，且基于CSI的定位方法设备较为简单，能实现不需要携带设备的无源定位。