随着无线保真技术(Wireless Fidelity,WiFi)的普及,基于WiFi的室内定位技术成为热门研究课题。其中位置指纹法被广泛的研究和采用。本文对WiFi室内位置指纹定位技术中的定位算法进行了深入研究。经研究发现,传统的室内位置指纹定位法易受到室内环境及定位场景的影响而降低定位精度和算法稳定性。为此,本文提出以下优化算法用以提高定位精度及算法稳定性。基于接收信号强度指示(Received Signal Strength Indication,RSSI)的 WiFi 室内位置指纹定位过程分为离线阶段和在线阶段。在离线指纹库构建阶段,本文提出了一种混合滤波算法对指纹数据进行预处理,并采用基于核的主成分分析法(Kernel Principal Component Analysis,KPCA)对指纹库进行降维处理。混合滤波算法能够对因复杂室内环境产生的噪声信号数据进行修正,降低噪声信号对指纹库精度的影响,进而提高定位精度。采用KPCA算法可以解决当指纹库中接入点(Access Point,AP)维数过高造成的“维数灾难”问题,既提高了指纹库匹配效率,又提高了定位精度。在线阶段本文提出一种基于自适应高斯核的加权K最近邻算法(Weighted K-Nearest Neighbor Algorithm based on Adaptive Gaussian Kernel,AGK-WKNN)。该算法采用具有抗干扰能力较强的高斯核函数计算加权K最近邻算法中的权重值,并结合RSSI室内指纹定位特点确定高斯核函数中的核宽度值,使核宽度值能够自适应指纹库中参考点的分布。此外,本算法通过寻找参考点之间潜在关联性,利用推选法计算K的最优取值。在指纹匹配过程中,AGK-WKNN算法通过提高K最近邻参考点权重值分配的合理性,降低因经验选取K值造成的经验误差,提高了定位精度和算法稳定性。最后实验部分,采用本文提出的指纹库构建优化算法对指纹库进行构建,并在在线阶段对指纹匹配算法的定位精度进行实验对比与分析,验证了本文提出的定位匹配算法不仅定位精度较高,同时具有较大的应用价值。