随着物联网的发展和人们生活质量的提高,人们对位置信息的需求日渐增加,基于位置信息的应用也朝着多元化的方向发展。由于Wi Fi系统广泛部署于室内,基于Wi Fi的室内定位技术成为研究热点。在实际的生活和工作环境中通常只有单个接入点（Access Point,AP）,现有的多站定位技术不再适用,且多站定位系统还需要保持站与站之间的同步。虽然单AP获取的定位信息会少于多AP,但可以将传统定位技术中需要抑制的多径信息转为用于定位的有效信息而实现室内单站定位。更为重要的是当前无线定位技术主要基于网络侧,位置信息在网络端解算后再发送到用户终端,这不利于用户位置信息的隐私保护。为此,本文研究了基于终端的室内单站定位技术。在AP位置已知时,开展了基于终端的多径辅助单站定位技术研究。首先使用直达路径和多径的飞行时间（Time of Flight,TOF）差来解决收发端时间不同步的问题,然后使用TOF差关联目标、AP和散射体位置来建立定位模型,并以离开角（Angle of Departure,AOD）和建筑信息模型（Building Information Model,BIM）约束目标和散射体的范围,再用粒子群优化（Particle Swarm Optimization,PSO）算法进行位置求解。针对NLOS场景,提出了基于终端的室内非视距（Non-Line-of-Sight,NLOS）单站定位模型,然后设计差分进化算法（Differential Evolution,DE）进行位置求解。最后通过仿真进行定位性能及影响因素分析,所提算法在视距（Line-of-Sight,LOS）场景下中值定位精度为0.82m。在AP位置未知时,开展了利用卷积神经网络（Convolutional Neural Network,CNN）实现基于多径指纹特征的单站定位技术研究。首先将定位问题转化为分类问题,将定位区域划分为尺寸均匀的网格,在每个网格采集CSI数据,将多径指纹特征用空间谱图表示,形成训练数据集。然后利用CNN定位模型进行训练,输出定位结果,并进行了定位性能及影响因素分析。本文设计的定位算法中值定位精度为0.31m。