近年来，随着移动通信技术的发展，人们对基于位置服务的需求越来越大，许多卫星定位方法及系统（如GPS，北斗定位系统等）都已经投入实际使用。但是，由于室内空间的复杂性，存在着诸如障碍物多，空间狭小等问题，传统的定位技术并不适用于室内空间的定位。随着社会经济的发展，越来越多的智能手机都配备了Wi-Fi连接模块，同时Wi-Fi热点覆盖率也在不断提升，因此人们越来越关注将Wi-Fi技术应用于室内定位中。本文研究一种高效率的，高精度的完善的Wi-Fi定位系统。　　学习分类系统是一种自适应的规则产生式系统，它的特点是可以动态感知环境，并根据环境的反馈进行演变。经过多年的研究与发展，学习分类系统已经被成功运用到众多的实际应用领域。学习分类系统的自适应和根据环境不断进化的特性提供了将学习分类系统应用于室内定位领域的可行性。　　本文在详细介绍移动定位技术以及学习分类系统当前研究的基础上，研究了基于学习分类系统的Wi-Fi室内定位技术。主要研究成果有:　　本文提出了三次过滤的基于Pearson相关系数Wi-Fi指纹定位算法，并且在实际环境中进行测试实验。实验表明，新算法在定位的准确性与稳定性上相比于传统的Wi-Fi定位方法有明显的提升。　　本文在基础的学习分类系统框架上，针对Wi-Fi定位的实际需求进行了对应的修改，包括规则的定义，匹配方法，以及种群的进化方式等。同时为了提高整个系统的可维护性，系统中还加入了合适的数据处理方法保证在遇到诸如数据缺失或者数据中存在噪声时，系统能够在没有外界指导作用下自适应的维护系统，保证定位仍然能具有较高的预测精度。