基于位置的服务在现代信息社会越来越普遍,这对定位技术的发展提出了新的要求。传统的基于GPS的定位技术可以达到民用3米的精度,但一般适用于室外环境,在室内复杂环境下难以达到较高精度。楼宇馆舍内的WiFi网络具有信号分布广泛、传输速度快、建设成本低的优点,为室内定位提供了得天独厚的条件。而智能手机的普及也为WiFi定位技术的发展提供了设备保障。论文对基于信号强度指示(RSSI)的定位方法做了研究,特别是对基于聚类的位置指纹算法做了深入分析,针对边缘定位点定位精度低的问题,提出了一种改进的能够提高边缘定位点定位精度的算法。论文主要研究内容以及工作成果如下:首先对室内定位技术展开了深入研究。分析了 WiFi技术及其位置指纹特性。研究了定位技术中的位置计算以及信号测量方法。对基于位置指纹的室内定位算法的基本原理、离线训练方式、在线匹配算法做了深入研究,分析了信号在室内的传播特性。然后研究了 K-means聚类算法的原理及其性能评价指标。搭建仿真模型对聚类效果做了分析。针对K近邻算法,分析发现当K=4时具有较好的定位效果。仿真发现传统聚类定位算法中边缘定位点定位精度误差较大,进一步提出了旨在提高边缘定位点定位精度的算法,即提出一种判别边缘定位点的方法,通过将临近聚类纳入定位参考从而提高了边缘定位点的定位精度。改进算法的复杂度有小幅增加,但仿真表明改进的算法平均定位误差降低了 17%。最后基于Android平台和Windows平台计了一套C/S模式定位系统,分别针对客户端和服务器端的功能做了详细设计,设计了二者之间的通信协议和数据封装,将改进的算法应用到系统中,搭建实验环境测试算法性能。实验表明,改进的算法在保证中心待测点定位精度不变的情况下,提高了边缘待测点的定位精度。