随着全球卫星导航系统（Global Navigation Satellite System,GNSS）和无线网络技术的快速发展,位置服务需求（Location-based Services,LBS）呈现大幅度增长趋势。由于人们大部分时间处于室内,使得室内位置服务需求激增,让室内定位技术成为工业应用重点以及学术研究热点。由于Wi-Fi普及度高,使得Wi-Fi指纹定位方法成本低廉且便于实施,因此该定位方法被广泛应用。然而,Wi-Fi信号易受环境影响,进而影响了Wi-Fi定位的性能。针对上述问题,本文展开了室内Wi-Fi指纹定位技术的相关研究,具体研究内容包括以下几点:（1）首先,本文对现有指纹定位方法进行了研究,分析了Wi-Fi信号在空间中传播的特性,总结了现有指纹定位中存在的问题,为本文后续的研究提供了理论基础。（2）针对大型室内环境,现有指纹定位算法常结合聚类来减少在线定位时间,提高定位精度,但常用的聚类算法与聚类个数或初始聚类中心相关。另外,无线信号存在多径效应,导致仅依靠指纹间的信号域距离度量,无法准确反映指纹间的近邻关系。因此,本文提出了一种改进的仿射.传播聚类指纹定位算法,利用混合归一化距离作为相似度量,将离线数据进行仿射传播聚类。测试点在所属类别中使用反距离加权法得出估计位置。通过实验仿真表明,该算法适用于大范围的室内环境,无需指定初始聚类中心,定位精度有所提升。（3）针对Wi-Fi信号随环.境变化而变化,使得在相同物理位置上不同时间采集的指纹存在差异,导致定位误差增大,而重新收集离线.指纹费时费力.的问题,在大型室内定位环境中,该问题更加突出。本文提出了一种结合迁移学习的指纹定位算法,通过迁移学习算法对离线指纹库进行矫正。通过实验仿真表明,在不需要重新收集.指纹数据的情况下,定位性能得到提升,该算法可以减弱环境变化对定位性能的影响。