位置服务是实现物联网个性化智慧服务的基石。室内定位易受到人类活动的影响,提高室内定位精度是物联网研究领域的热点。基于无线局域网（Wireless Local Area Networks,WLAN）的定位方法具有覆盖范围广、成本低、传输速率高、可扩展等特点,应用广泛。本文对基于WLAN的室内指纹定位技术进行了系统性的研究与分析,主要工作如下:一、研究了基于WLAN的室内位置指纹定位技术的离线数据库建立过程。针对采集到的原始RSSI向量维数过高导致计算量大以及Wi Fi信号受环境噪声干扰的问题,利用核主成分分析来提取指纹特征,减轻噪声对RSSI值的影响;针对传统聚类算法仅仅利用RSSI向量间的欧氏距离来表征指纹数据间的相似性,从而导致部分参考点在物理上远离同一类簇的其他参考点,本文利用最强RSSI值所对应的AP位置坐标结合欧氏距离来描述指纹相似度,提出一种基于SAP-FCM聚类算法的数据库划分方法。仿真结果表明,本文所提算法的定位精度优于传统的数据库划分算法。二、研究了基于WLAN的室内位置指纹定位技术的位置匹配过程。为了提高Wi Fi位置指纹定位精度,降低计算复杂度,提出一种改进粒子群算法与最小二乘支持向量回归（Least Squares Support Vector Regression,LSSVR）相结合的定位算法。将模拟退火的思想引入粒子群算法,以克服传统粒子群算法易陷入局部最优的问题;利用模拟退火优化后的粒子群算法（SAPSO）对LSSVR模型的惩罚因子和核函数参数进行寻优,避免参数选择不当造成定位精度低的问题。仿真结果表明,相对于传统的LSSVR,GA-LSSVR以及PSO-LSSVR算法,所提的SAPSO-LSSVR算法在定位精度以及定位时间方面均优于其它3种算法。