随着移动互联网的发展,越来越多的用户终端接入网络,基于位置的服务(LBS)这一新兴的移动增值业务发展迅猛,无线定位技术作为LBS的关键技术得到广泛关注。基于指纹匹配的定位技术因其对网络基础设施依赖小、不易受无线传播环境干扰,因此近年来成为无线定位技术中的热点。而传统的指纹匹配定位算法在指纹库和待匹配定位数据成倍增长时,会遇到定位效率低下,定位精度不能满足实际业务的需求问题,因此研究适用于海量数据的指纹匹配定位算法成为了一个急需解决的紧迫问题。本文采用Hadoop分布式计算框架实现指纹匹配定位算法。首先本文针对华为公司提供的UMTS网络数据设计了指纹匹配算法,在最近邻指纹匹配算法的基础上为了提高定位精度和效率提出了基于最大期望的指纹匹配定位算法。对UMTS网络数据进一步分析,为了提高定位精度和效率进而提出了基于最大基站相似度的哈希定位算法和基于离群点检测的哈希定位算法。本文对这四种定位算法的分布式实现进行了详细设计,并给出了其分布式实现。然后,本文使用三台主机搭建了 Hadoop集群,在此集群上对五组数据分别使用四种定位算法进行了试验,比较了二十组定位数据的试验结果和算法耗时。实验结果表明,四种定位算法的定位精度不断提高,基于最大期望的定位算法和基于最大基站相似度的定位算法都比最近邻匹配定位算法的效率有所提高。基于离群点检测的哈希定位算法与基于最大基站相似度的定位算法相比,定位精度有所提高,而不牺牲其定位效率。本文在单节点集群和双节点集群上测试了基于离群点检测的哈希定位算法的效率,试验结果表明分布式计算相对于单机计算具有效率优势。