随着无线技术和机器学习理论的发展,利用无线电信号和机器学习算法实现室内位置估计成为定位领域研究的热点。由于基于Wi-Fi网络设施的普及和信号的高覆盖率,本文开展了基于Wi-Fi信号的室内定位技术研究。我们以Wi-Fi信号中的信道状态信息（Channel State Information,CSI）作为定位参数,利用机器学习的方法进行位置估计。论文主要工作包括:（1）研究基于CSI室内定位的相关理论知识。首先介绍了基于CSI指纹的定位模型,然后描述了CSI定位的机器学习算法,最后介绍了图像特征提取算法,为论文研究打下坚实的理论基础。（2）提出了基于灰度共生矩阵和因子分析的支持向量机室内定位算法。首先利用CSI数据信息构建成CSI幅度图像。然后利用灰度共生矩阵提取CSI图像纹理特征,并通过因子分析降维法对图像特征进行降维,提取数据主要信息。最后使用支持向量机（Support Vector Machine,SVM）进行基于位置的分类学习,得到位置分类模型。算法通过利用图像中灰度的空间相关特性来提高离线分类学习性能。实验结果验证了算法的有效性。（3）提出了基于灰度共生矩阵,小波变换和t-SNE（t-distributed stochastic neighbor embedding）降维的支持向量机室内定位算法。首先利用CSI信息构建成CSI幅度图像,然后利用灰度共生矩阵和小波变换分别提取图像纹理特征,通过t-SNE降维去除冗余信息,提取数据的主要信息。最后利用支持向量机进行分类学习,得到位置分类模型。算法通过利用图像中灰度的空间相关特性和小波变换的多尺度特性提高离线分类学习性能。实验结果表明,所提算法比现有算法具有更好的定位性能。