随着物联网的发展,室内环境中的基于位置的服务(Location Based Service,LBS)备受关注,同时也推动了室内定位技术的进一步发展,使其成为定位领域的一个重要的研究方向。通过分析几种典型的室内定位技术,基于WLAN的室内定位技术由于硬件成本低、定位精度高、受室内环境影响小等优势而受到广泛应用。本文主要研究基于信号强度RSSI的指纹定位算法,并通过改进它来增强定位的稳定性以及提高定位的精度。本文分析了RSSI的特性以及误差的来源,并在数据预处理方面对指纹进行优化以增强指纹库的稳定性,着重分析了几种常用的滤波方法,如均值滤波、中位值滤波、高斯滤波、卡尔曼滤波,并指出它们的优势与不足。综合考虑复杂度和定位误差,提出基于均值的平滑滤波方法,并通过实验证明该方法在保证低复杂度的同时,具有较小的定位误差。接着研究几种常用的基于RSSI的指纹匹配算法的原理,指出现有指纹匹配算法的不足。在WKNN算法的基础上,K均值聚类算法一定程度上解决了计算量大的问题,但由于K均值聚类算法对随机选择的初始聚类中心依赖性较大,会导致定位精度不稳定。针对这一问题,本文提出一种基于模拟退火-K均值聚类的指纹定位算法。在指纹库建立阶段,该算法首先在每一个参考位置多次测量RSSI值并进行预处理形成指纹库,然后利用基于模拟退火改进的K均值聚类思想将指纹库进行聚类划分;在在线定位阶段,首先通过计算待测点与各个聚类中心之间的距离找出其所在的聚类子类,接着在该聚类中使用WKNN算法估计待测点的位置坐标,减小了定位的匹配范围,一定程度上去除了奇异点的干扰,从而降低了定位的误差。最后,本文通过实验证明相比于K均值聚类,基于模拟退火-K均值聚类定位的稳定性更强,不受初始聚类中心的影响;相比于原有的WKNN算法,改进算法在稳定定位的前提下提高了定位的精度。