随着移动网络技术的快速发展,室内定位技术越来越受到广泛关注。由于Wi Fi技术的广泛应用,使其成为室内定位技术研究领域的热点。室内环境复杂,干扰因素较多,这给室内定位技术带来了困难。为了减少各种干扰对WiFi定位的影响,基于位置指纹法是目前比较理想的定位方法。但传统的基于接收信号强度指示(RSSI)的指纹法存在指纹采集工作量大、定位效率低和定位精度有待提高等问题。随着室内定位技术的发展,用户对室内不同区域的定位需求也存在差异。如何针对需求的差异,设计具有广泛适用性的、高效的、高精度的定位算法是一个值得研究的问题。针对传统的位置指纹定位法效率低和用户对室内局部区域定位需求不同的问题,本文提出了一种基于证据K近邻与网格聚类的定位算法(GC-EKNN)。该算法将室内有定位需求的局部空间标记为感兴趣区域(POI),算法只要求在POI内建立区域指纹库,减少指纹采集的工作量;在区域指纹库中,利用网格聚类的思想对指纹划分网格层次结构;然后,采用证据K近邻理论(EKNN)对区域进行识别,判定目标所属的区域;最后,在区域内采用网格聚类查询近邻单元格,利用动态近邻数筛选机制从近邻单元格中选出近邻点,并结合加权K近邻算法(WKNN)来进行精定位。本文在实验平台上建立了GC-EKNN算法模块,与同类算法进行比较,以验证GC-EKNN算法在定位效率和精度上的表现。实验表明:本文提出的GC-EKNN算法利用人工智能算法EKNN的方法对空间分离区域进行决策,在POI内对指纹进行网格聚类;不管区域空间是否连续,GC-EKNN算法都适用并能提高定位效率。同时,该算法采用动态近邻数机制筛选出近邻点进行定位,与同类算法相比,定位精度有所提高。最后本文设计、实现了基于GC-EKNN的WiFi室内定位系统,检验了算法的可行性和实用价值。