本文在定位的离线建立指纹库阶段,提出了基于正态检验的指纹库优化算法。该算法首先判断测量信号样本是否符合正态分布;其次,对符合正态分布的信号样本用正态分布函数估计其概率密度,反之则用核函数;最后选取大概率信号的均值录入指纹库中。实验表明,该方法准确的估计了室内环境中WiFi信号采集样本的分布情况,有效剔除了信号样本中的奇异值,建立了高精度的指纹库,从而提高系统的定位精度,与常用的均值模型法以及正态模型法相比较,平均定位误差分别减低了 15.62%,8.46%。本文在实时定位阶段提出了混合定位算法,即在传统的K加权近邻算法(WKNN)中引入PSO算法,此算法主要分为两个步骤,第一步:通过WKNN算法得到估算位置;第二步:用PSO算法对估算位置进行优化。实验结果显示,定位精度较K加权近邻算法提高了 19.89%,定位误差小于2m的概率为75%,大于WKNN算法的66.67%。因此本文所述混合定位算法的估算结果更加接近实际位置,同时也具有更高的稳定性。本文在研究基于WiFi的位置指纹定位算法的同时,设计开发了“指纹数据采集器”,该应用程序是基于Android在Eclipse+ADT+Android SDK环境用Java语言进行开发的,具有指纹数据采集与存储功能。