目前,随着移动通信技术和智能手机设备的全面普及,人们对室内定位服务的需求不断上升。由于WIFI技术在室内场景的广泛应用,室内WLAN指纹定位技术已然成为国内外的研究热点,而该定位技术在离线阶段和在线阶段仍存在一些问题,本文对此进行了深入的研究,并提出了一种基于指纹库和RBF神经网络的WLAN室内定位方法,搭建了定位环境并进行了软件平台的仿真实验,验证了所提方法的有效性。针对离线阶段构建位置指纹库所耗费的人力和时间成本过高的问题,本文提出了融合反距离加权和奇异值阈值的位置指纹库构建算法,该算法结合了反距离加权和奇异值阈值两种算法的特性,首先利用拉丁超立方抽样的方式选取少量信标点,然后利用信标点的信号强度指纹信息和反距离加权算法估计次信标点的信号强度指纹信息,最后使用奇异值阈值算法构建出完整的位置指纹库;同时考虑到异构设备环境下信号强度数据存在差异性的问题,提出了基于主成分分析的信号强度差方法,使用信号强度差替代信号强度作为位置指纹库的指纹特征,并利用主成分分析算法对信号强度差数据进行降维,进一步提升信号强度差指纹特征的稳健性。实验结果表明,本文所提方法构建的位置指纹库在有效减小人工和时间成本的同时,保证了同构和异构设备两种环境下的定位精度和定位稳定性。针对在线阶段定位算法精度不高的问题,提出了基于改进K-means聚类和天牛须搜索优化的RBF神经网络定位算法,利用信标点的指纹信息改进原K-means聚类算法并以此确定RBF神经网络的样本中心,同时提出使用天牛须搜索算法优化RBF神经网络的初始权阈值,将优化好的RBF神经网络用于位置指纹库数据的训练,最终将训练好的RBF神经网络定位模型用于在线定位。实验结果表明,本文所提算法有效提高了RBF神经网络的收敛速度和训练精度,进一步提升了本文所构建位置指纹库在同构和异构设备两种环境下的定位精度和稳定性。