近年来,位置服务需求逐日增长,面向室外的定位服务已十分普及,而室内位置服务却仍处研究阶段。鉴于WIFI网络在室内环境中几乎已实现全覆盖,WIFI室内定位技术逐渐成为了一种目前最具潜力与研究价值的室内定位技术。考虑到定位精度、技术难度以及部署成本等限制,基于接收信号强度(Received Signal Strength Indicator,RSSI)的WIFI室内定位技术成为了主流。本文以基于RSSI位置指纹的WIFI室内定位技术为研究对象,以WIFI室内定位算法研究为主要内容,针对目前存在的定位算法精度低、定位时间复杂度高、指纹数据库构建困难这三大问题进行了详细的分析与研究,主要工作如下:首先,针对离线阶段指纹数据库构建工作量大、特殊位置点数据难以采集等问题,提出了一种改进空间插值算法。该算法以普通克里金插值算法为基础,针对普通克里金插值算法在二维空间环境下数据插值重构时存在的不足进行了改进。仿真结果表明,本文所提的改进普通克里金插值算法取得了更好的插值效果。其次,鉴于传统定位匹配算法指纹匹配时间长导致的定位效率下降问题,对基于聚类算法的室内定位技术进行了研究。同时,为解决由聚类算法导致的定位精度下降问题,提出了一种基于修正聚类的室内定位算法。该方法以自适应方式选择一个或多个定位匹配类簇,有效规避了类簇边界点定位精度偏差大的问题。仿真结果表明,该算法在不影响定位精度的条件下有效降低了指纹匹配阶段的时间复杂度。然后,针对定位匹配算法精度低的问题,提出了一种改进的KPCA-IWKNN算法。其中的核主成分分析(Kernel Principal Component Analysis,KPCA)算法可有效提取RSSI指纹数据中的非线性特征,且文中提出的自适应k值IWKNN算法可克服固定k值加权k近邻(Weighted K Nearest Neighbor,WKNN)算法导致的定位精度下降问题。仿真结果表明,KPCA-IWKNN算法可有效改善定位精度。最后,为兼顾KPCA-IWKNN算法的定位时间复杂度,提出了基于修正AP聚类的KPCA-IWKNN算法。该算法利用基于修正AP聚类的定位算法降低了KPCA-IWKNN算法的定位时间,实现了定位精度与指纹匹配时间复杂度的双向兼顾。仿真结果表明,基于修正AP聚类的KPCA-IWKNN算法既降低了KPCA-IWKNN算法的时间复杂度,还进一步提升了KPCA-IWKNN算法的定位精度。