定位相关服务广泛应用于救援、导航等场景,室内定位作为定位领域的基础和关键,具有重要研究意义。其中,基于位置指纹的WiFi室内定位方法易于普及,实用性强,因此本文以此作为研究方向,针对存在的不足进行改进。首先,以提高定位精度作为出发点,解决了加权K近邻（Weight-K-Nearest Neighbor,WKNN）算法对每个WiFi信号源（Access Point,AP）赋予相同权值的问题。对每个AP进行加权,并且在此基础上,根据原始权值与项数互为倒数的数学关系,提出区分加权的等式转换,能更有效的区分权值。实验结果表明,区分AP加权欧氏距离WKNN算法的定位精度优于AP加权欧氏距离WKNN算法和传统欧氏距离WKNN算法。然后,在优化定位效率方面,本文将KD树应用到位置指纹法中,并且针对KD树的中位值排序复杂问题,采用预先排序法进行了改进,进一步减少了算法的复杂度。实验结果表明,改进KD树的位置指纹法相比于未改进KD树的位置指纹法和传统位置指纹法而言,定位效率更好,定位实时性更强。此外,楼梯拐角附近区域空间狭窄,并且距离AP较远,导致该区域定位精度较差。针对此问题,本文在此区域采用基于位置指纹的蓝牙+WiFi融合定位算法,对蓝牙估计坐标和WiFi估计坐标在决策层进行融合计算,其他区域仍采用基于位置指纹的WiFi定位算法,既提高了定位精度又不耗费过多成本。实验结果表明,在楼梯拐角附近的狭窄区域内,采用蓝牙+WiFi融合定位算法可以提高局部区域定位精度。最后,在实现三维定位方面,本文采用全联接凝聚型层次聚类算法进行楼层判别,此方法准确性高,实时性强,并且无需借助额外的硬件设备。实验结果表明,基于全联接凝聚型层次聚类的楼层判别法相较于其它楼层判别方法而言,在判别准确率和定位实时性两方面更具有优势。基于以上理论研究,本文设计并实现了室内三维定位应用软件,主要分为微信小程序端、服务器端、SQLite3数据库三个模块,实现了数据采集、三维位置显示等功能,对硬件设备依赖性较低、可扩展性强、适合大规模推广。