近一百多年来,人们利用无线电技术建立的通信、广播和定位导航等形形色色的系统已成为人类社会中无处不在,无所不能,无时不用的最为重要的技术基础设施。为弥补卫星定位导航系统在室内环境的定位精度下降,服务质量难以保证的不足,利用室内广泛部署的WiFi无线网络来辅助提供室内定位服务成为主要的补充或替代方案。基于WiFi位置指纹的室内定位方法,具有信号指纹特征不易受到室内信号传播路径的影响的特点,备受研究者们关注。在室内环境中密集部署的接入点(Access Point,AP)增加了WiFi位置指纹特征的维度,提高了位置分辨率,一定程度可改善定位精度。但是,随之而来的WiFi位置指纹库规模的显著增大,带来了计算、存储和管理的极大挑战。研究在室内环境中通过选择AP接入点的相关策略来降低WiFi位置指纹的特征维度,以及研究通过有效的辅助方法来补偿定位精度下降的问题对基于WiFi位置指纹室内定位系统的研发有一定的理论指导意义和应用价值。本文以统计理论和机器学习方法为基础,采用系统建模的整体框架研究方法,主要的研究工作如下:(1)针对室内环境中密集部署的AP接入点带来的WiFi位置指纹特征维度过大问题,一是通过最优化检测抽样函数(OC函数)推导参考点样本容量最小化;二是提出一种基于卡方检验的AP选择策略,并进行了对比分析研究。(2)针对WiFi位置特征指纹降维带来的定位精度下降问题,提出了基于辅助指纹库的辅助指纹方向补偿方法。通过离线建立辅助指纹库,获取方向补偿标签和补偿误差,利用随机森林(Random Forest,RF)方法学习分类模型,并对待定位点进行定位。(3)针对典型的实验楼走廊环境,通过采集大量的数据,分析了四种AP选择策略下,结合辅助指纹方向补偿的定位计算。结果表明基于卡方检验的AP选择策略相对全部AP法的平均定位误差(0.54m)有所下降,通过加入方向补偿进行定位,损失比例从39.25%下降到13.37%。