随着计算机通信和网络技术的发展,WiFi无线网络已经逐渐成为人们日常生活、工作和学习中不可或缺的重要组成部分,基于WiFi无线网络的室外定位技术也得到了广泛的应用。在NLOS(Non-Line of Sight,非视距)传播环境下,障碍物的遮挡一方面导致WiFi信号产生较大偏差,降低了定位的准确度;另一方面,WiFi信号的阴影衰落特性也从侧面反映出定位区域内障碍物的分布。本文针对有障碍物情况下的WiFi室外定位问题,研究了NLOS传播环境下的定位误差抑制和障碍物成像技术,主要研究内容和贡献包括两个方面:(1)提出一种基于滤波器的定位误差抑制消除技术该技术在基于测距的定位算法的基础上利用对数距离路径损耗模型和几何结构的单次反射统计信道模型构建非线性WiFi室外定位模型。基于该定位模型提出一种NIC-UKF(Nonlinear Inequality Constrained-Unscented Kalman Filter,非线性不等式约束无迹卡尔曼滤波)算法,通过在无迹卡尔曼滤波器中引入一组非线性不等式约束来抑制消除NLOS传播环境下的定位误差。与现有的基于滤波器的定位误差抑制技术相比,NIC-UKF解决了非线性滤波器在滤波初始时刻的滤波发散问题,从而提高了定位的准确度。(2)提出一种基于WiFi信号强度的障碍物成像技术该技术基于WiFi信号强度提出了一种网格法来成像障碍物,首先通过监督式机器学习分类算法来初步判断WiFi传播路径上是否存在障碍物遮挡,并定义一个概率确定方程用来确定网格为障碍物的初始概率;然后考虑网格与其相邻网格之间的联系,利用马尔可夫随机场和循环置信传播更新网格的边缘概率;最后通过网格边缘概率的大小来成像障碍物。与现有的障碍物成像技术相比,网格法不需要严格的WiFi信号同步和过多的节点部署,能够简单高效地达到障碍物成像的目的。本文通过仿真实验比较分析了NIC-UKF与其它6种基于滤波器的定位误差抑制算法的定位性能,实验结果表明,NIC-UKF具有最佳的定位性能,均方根误差的平均值为0.95米,标准差为0.52米,并且在滤波初始时刻比其他非线性滤波器更快地达到滤波收敛状态。此外,本文通过仿真实验分析了网格法的障碍物成像性能,障碍物成像数据集的平均分类准确率达到0.92,且网格法能够实现良好的障碍物成像效果,成像准确率达到0.89。