用户定位是提供基于位置服务的关键,GPS可以在空旷的位置提供较好的定位体验,但在室内或障碍物阻挡GPS信号较严重的区域,定位效果不佳,目前国内外的一些团队和研究所已经研发出可以在此种条件下使用的定位系统,主要采用IR、蓝牙、RFID、UWB、WIFI等短距离无线通讯技术。其中基于WIFI的无线定位技术因接入点的广泛部署且成本较低而备受关注。主流的WIFI定位技术有三角定位与位置指纹定位,后者的定位精度较前者高,但指纹定位技术需要在实现定位前耗费较多的时间采集场地各参考点上的接收信号强度,以此来构建具备空间相关信息的指纹地图数据库,在定位过程中需要将当前信号测量值与数据库中的信号一一比对,由于数据库中存储了大量的与位置、接入点、信号强度的组合信息,这一匹配过程需要耗费较多的时间,这一点会随着场地环境的增大、布设参考点的增多变得尤为明显。本文主要研究了室内外无线信号模型的建立、提出了室外、室内根据信号与指纹特征选择自适应定位模型,并在无线模型三角定位的基础上再进行指纹定位。首先,针对非线性WiFi信号传播模型使用了基因算法来估计未知参数;其次,由于室内、室外的模型差异性,定位过程中将根据信号衰减特征与位置指纹特征来选择合适的定位模型;最后,在使用无线传播模型进行三角定位得到包裹用户所在位置区域的基础上,再使用指纹定位对交集区域进一步定位,避免了全局搜索,大大减少了计算量和定位时间。在离线建立指纹数据库的过程中,使用高斯处理将部分测量数据衍生到周边的参考点信息,同时也在定位过程中使用模糊匹配,减少定位误差。本文设计并实现了基于上述原理的位置指纹定位系统,包括有Android APP与服务器。在文章最后,我们设计了一系列参数变化对比实验,并分析了不同参数对室内外定位精度的影响,如嗅探的接入点数量对精度影响,在线测量时间的增长或测量次数的增加对定位精度的影响以及模糊匹配范围对定位精度的影响。