随着互联网技术的快速发展以及智能手机的普及,全球卫星导航系统（Global Navigation Satellite System,GNSS）提供的位置服务给人们的生活带来了极大的便利。然而在室内环境中,由于建筑物的阻碍以及室内的复杂环境,GNSS提供的位置服务无法满足用户的需求。因此,人们迫切需要一种在室内环境中能够提供高精度的位置服务的技术。基于WiFi的室内定位技术以其成本低、精度高、鲁棒性好等优点,受到了研究学者们的重点关注。本文对基于位置指纹的WiFi定位技术进行了系统的研究,主要工作有:（1）分析接收信号强度指示（Received Signal Strength Indication,RSSI）信号与距离的关系、RSSI信号的时变特性以及终端朝向对RSSI信号的影响,确定了多朝向位置指纹库的构建方案。分析均值滤波算法、高斯滤波算法以及卡尔曼滤波算法的优缺点,确定了RSSI预处理的方案。（2）研究了智能终端设备发送Probe Request帧的规律,引入多采样的概念,即一次定位过程中定位系统可以获得多条RSSI信号用于定位。通过实验分析,传统K最近邻（K-Nearest Neighbor,KNN）算法在多采样条件下,定位性能没有明显改善。分析了斯皮尔曼相关系数与欧式距离存在的互补关系,提出了一种融合斯皮尔曼相关系数的KNN改进算法。该算法相较于其他算法,在定位精度与稳定性上有明显的提升,同时在多采样条件下定位性能有明显的改善。（3）设计并实现了基于位置指纹的WiFi室内定位系统,包括RSSI采集端、服务器端以及Web（World Wide Web,全球广域网）端。本文通过分析传统KNN算法的局限性,提出了一种改进算法,并基于全文的研究设计并实现了基于位置指纹的WiFi室内系统。经过实验结果表明,提出的定位算法比传统的方案具有更高的定位精度和稳定性,且在多采样条件下,定位性能得到了明显提升,对于基于位置指纹的WiFi室内定位的研究有一定的参考价值。经过系统测试表明,本文实现的WiFi室内定位系统能够稳定运行,并能快速响应定位服务,具有一定的推广应用价值。