伴随着人工智能技术的发展,人们进入了智能生活时代,对于移动定位位置信息的需求量也日益增加。相关研究表明,人们一天中有百分之八十的时间是在进行室内活动,室内位置信息对于人们的日常生活显得愈发重要。为满足人们对室内位置信息日渐增长的需求量,室内定位技术开始迅速发展,其中,WiFi指纹定位技术以其低成本、高精度、易实现的优势成为研究热点。但是,鉴于存在室内环境复杂、WiFi指纹采集量大、信号不稳定等不利因素,如何实现多楼层室内定位仍具有一定的挑战性。多楼层室内定位主要解决的问题是如何获取用户在多楼层建筑内的三维信息,因此,其核心任务是实现多楼层间的楼层判定以及单楼层内位置的获取。针对这些问题,本文基于WiFi指纹定位技术,对多楼层建筑室内楼层判断以及单楼层内二维平面上的位置获取进行了深入研究,创新性的引入了 WiFi的Mac(Media Access Control)值,利用其在楼层间的差异实现楼层判定,并在单楼层定位阶段提出了融合聚类粗定位与精确定位的两步法在线定位。本文主要完成的工作如下:1)室内 WiFi 信号强度(Received Signal Strength Indication,RSSI)值特性分析。对室内WiFi的RSSI信息进行了相关特性分析,重点研究RSSI值在不同时空环境下的变化特征,同时从RSSI的发射源、传播、接收阶段对影响RSSI值的非算法因子进行了总结,为WiFi采集工作提供了经验。2)室内WiFi信号采集以及WiFi指纹库的建立。基于Android端开发设计了 WiFi信号采集软件,利用该软件对多楼层建筑物内WiFi的AP(Access Points)发射的信号进行采集,获取APs的RSSI以及Mac值,进而基于MaxMean方法对采集的数据进行处理与组织,建立定位指纹库。3)提出并验证了融入Mac值的多楼层室内WiFi指纹定位方法。该方法主要包含多楼层间楼层判定与单楼层内在线位置获取工作:在楼层判定阶段,创新性的利用多楼层间的Mac重复率差异性实现楼层判断,实验结果表明,当Mac重复率阈值合适时可达到100%的判别准确率;在单楼层内位置获取阶段,引入以Mac值为指标的聚类算法完成实验区域的划分来辅助RSSI在线定位匹配,提出两步法在线定位。现场实验结果表明:两步法定位不仅提高了定位精度,而且减小了匹配搜索空间,降低了计算复杂度。4)研究了多楼层内WiFi指纹定位方法的误差质量控制,重点试验分析了聚类数目、参考点密度、在线定位算法等因子对定位精度的影响。实验结果表明:在聚类数目为5,参考点密度为1m左右的情况下,使用WKNN算法可获得较高的定位精度。