随着经济迅速发展,超大规模独栋建筑及大型场馆的增加,多种室内基于位置服务(LBS)的需求(老年人关爱、应急疏散、基于位置的精准广告推送等)日渐增长。在室外定位中被广泛应用的卫星定位系统,由于卫星信号受室内障碍物的阻隔等原因,无法满足室内的定位精度要求,制约了基于位置信息的应用技术的发展。这样的室内LBS需求与无线局域网(WLAN)的广泛覆盖,使得研究基于WLAN的室内定位技术具有重要的现实意义和广泛的应用前景。WLAN定位有测距法和信号指纹法两种,其中指纹法由于其定位精度高、抗干扰能力强,被广泛应用。在WLAN指纹定位法中,尚存在如何快速定位、如何优化指纹库建库、如何提高定位精度等难题,本文针对此问题,开展了大型场馆、复杂建筑室内指纹数据库聚类方法、降维重构建模方法以及基于信号-空域的网格匹配的定位算法研究,取得的成果与创新如下:1.基于最小圆覆盖的信号聚类方法在指纹定位法中,为了提高定位速度,先对信号指纹库进行聚类处理,将定位区域尽可能缩小至局部,传统的K-means聚类算法主要是对指纹库中存储的信号特征相关性进行聚类,但信号特征相似的指纹点在距离空间可能会相距甚远,因此而带来的指纹匹配偏差在定位精度的影响,针对此问题,本文提出一种基于最小圆覆盖的位置指纹离线聚类方法,利用指纹点之间的空间相邻关系,将定位区域缩小至一个或多个最具相似度的类中,实验表明由于进行了基于最小圆覆盖的邻近算法的位置指纹特征连续性好,在提高定位速度的同时,降低了定位误差。2.基于GrDOP(Gradient Dilution Precision,斜率精度因子)的冗余定位库降维建模方法在信号指纹库建立过程中,存在大量冗余的信息,如何在不降低定位精度的前提下,进行冗余信息的优化建模,获得最小有效集合,是构建指纹库的难点问题。本文提出了基于GrDOP的冗余定位库降维建模方法,在分析了定位过程中信号强度变化斜率与对有效定位贡献度的关系后,采取减少指纹库内部贡献度较小的冗余信息,只保留定位贡献度高的信息,在保证不损失定位精度的前提下减少匹配计算量,缩短匹配计算时间,减少指纹库的信息存储量,提高系统高效性;3.基于信号空间-几何空间(空域)的网格特征匹配定位算法在位置指纹技术传统方法中,如KNN(K-Nearest Neighbors,K近邻法)算法通过计算信号欧氏距离来度量测试点与参考点之间的相似度,来计算位置,而信号空间是一个非线性空间,以此来计算相似度时会带来定位误差。本文提出了一种基于信号空间-几何空间(空域)的网格特征匹配定位算法,将信号空间变换到距离空间,以此来计算相似度,选出最邻近的目标网格,最后通过加权计算进行精确求解。该算法提高了定位精度,通过大量实验和仿真数据对比其他算法,证明了本文提出的算法的可行性和有效性。本文还对WLAN信号滤波采集方法进行了研究,设计并实现了大型场馆室内定位导航实验验证平台,该平台由服务端、移动手持客户端和位置指纹数据库构成,论文详细说明了平台架构、功能、实验软件和各功能模块的实现,并给出了系统实验场景和系统性能说明。论文最后对研究工作进行了总结,给出了进一步研究的方向。