随着集购物、娱乐、餐饮、休闲于一体的大型商业中心的不断涌现，对大型场所内部进行定位和导航的需求更为迫切，已成为研究热点。室内导航首先要解决的就是人员自身的实时定位问题。伴随WiFi技术的应用普及与不断发展，基于 WiFi的室内定位技术因其独特的优势得到了学者和工程界的重视和青睐。但是现有的 WiFi定位方案易受室内环境因素的干扰，其定位效率和精度不高，仍不能较好地满足室内定位工程的要求。因此本文基于这个问题进行了相关的研究工作，努力寻找满足工程化要求的室内定位解决方案。
　　首先，本文对影响室内定位精度和效率的关键因素进行了研究。研究了基于WiFi定位方法中较优的位置指纹定位法，剖析了位置指纹定位法的流程。从定性和定量两个方面重点分析了影响指纹定位精度和效率的匹配算法和外部因素。
　　其次，本文研究了在位置指纹定位中引入聚类的方法来提高定位效率的方案，采用Kmeans聚类对匹配前的数据进行预处理。指纹数据库通常都较大，传统指纹定位都是直接用待测点的 RSSI（接收的信号强度指示）与指纹库中每条数据记录进行匹配。此匹配过程耗时很长，直接关系到指纹定位算法的效率。本文在研究指纹数据库的建立和分析现有聚类方法的基础上，设计了引入Kmeans聚类方法对指纹数据库进行预处理的具体方案，并采用Matlab进行了仿真实验。通过仿真结果分析验证了对指纹数据库进行Kmeans聚类预处理的有效性。
　　最后，本文针对贝叶斯概率算法应用在室内定位领域出现的问题，设计出了一种基于贝叶斯概率算法的改进定位算法，并通过Matlab仿真验证了改进的定位算法在定位精度上的提升效果。先分析了匹配算法定位精度低的根本原因，在此基础上针对其不足进行改进。本文从问题根源处着手分析，研究采用最强AP共同原理来改进贝叶斯概率算法，弥补贝叶斯算法在特定环境下定位误差大的缺陷，最终达到了提高定位精度的目的。为了更进一步验证改进贝叶斯定位算法在定位精度上的提升效果，本文从不同角度进行了仿真验证研究。