随着无线网络的广泛普及和移动终端的快速发展,移动用户对位置信息的需求从室外延伸到室内,而GPS无法在室内实现有效定位,迫切需要有效的室内定位技术来满足人们日益增长的室内定位需求。基于接收信号强度的WLAN定位系统,充分利用现有的无线网络基础设施,无需额外的专用硬件设备,能以纯软件的方式在任何一台具有Wi-Fi适配器的智能终端实现定位。本文对RSS特性进行分析,针对位置指纹算法目前存在的一些问题进行优化研究,提出一种基于空间分区技术的PCA位置指纹室内定位算法,并设计开发室内定位应用系统。本文主要工作如下:(1)针对异构终端接收信号能力差异性导致的WLAN位置指纹定位不稳定问题,研究RSS的空间特性和变化规律,对异构终端同步动态RSS序列进行相关性分析。设计异构终端RSS偏差纠正算法,在线定位时纠正RSS值,减小由于构建指纹库与实时定位时终端不一致导致的定位误差。(2)针对位置指纹库含有大量的冗余和噪声信息问题、位置指纹信息维度过高问题,应用PCA算法实现位置指纹的特征提取和降维,减少指纹冗余维度和多径效应带来的RSS值浮动。设计PCA位置指纹生成方法,增加PCA指纹系数,减小由于传统位置指纹算法仅使用待定位点与参考点之间RSS欧氏距离作为相似性准则导致的定位误差。实验证明,本算法可以有效的实现位置指纹的特征提取和降维,能够在一定程度上抑制环境噪声带来的影响,提升定位精度,节省指纹库存储空间。(3)为解决在线定位时指纹库匹配计算复杂度过高问题,设计位置指纹库子空间划分算法,对位置指纹库进行聚类分块处理,缩小匹配计算过程中指纹搜索空间。采用Gap statistic方法对K-means算法进行K值自适应改进,用于确定最优初始聚类数K,避免K值的不确定性导致的定位误差;优化初始聚类中心选择策略,用于选择均匀分布的初始聚类中心,避免陷入局部最优而导致无效聚类,从而降低在线定位时指纹匹配计算的复杂度。