近年来，随着无线通信技术的快速发展以及移动设备的逐渐普及，各种室内环境下基于位置服务的需求变得越来越迫切。室内是人类活动最为密集且停留时间最长的场合，人们迫切地需要实现室内环境下的定位、导航以及人员物资的全方位监控等智能化泛在服务。因此，室内环境下基于位置的服务存在着大量的应用需求和广阔的应用空间。基于WLAN位置指纹的室内定位技术因其设备简单，定位精度高而成为近年来室内定位技术研究的热点。本课题对该热点进行了研究并主要完成了以下几点工作：第一，针对存在着大量干扰因素的室内环境下接收信号强度RSSI波动性较大的问题，提出了通过卡尔曼滤波算法对RSSI进行预处理，从而有效消除随机干扰，再现系统状态。通过实验确定了卡尔曼滤波算法的最佳参数值。第二，针对卡尔曼滤波算法在RSSI出现跃变时，收敛速度慢的问题，提出了一种改进的卡尔曼滤波算法，该算法能够利用前几次的RSSI观测值迅速判断出RSSI是否发生了跃变，并在有RSSI跃变发生时，修改卡尔曼滤波算法的相关参数，降低算法对发生跃变前的状态估计值的认可度，从而提高算法在发生RSSI跃变情况后的收敛速度，减小RSSI估计误差。通过实验验证了改进算法的有效性。第三，针对大范围定位时，算法的匹配运算量较大的问题，提出了一种基于区域划分和AP ID过滤的匹配算法。该算法是通过区域划分和AP ID过滤将较大定位区域内大部分参考价值较低的位置指纹过滤掉，缩小指纹匹配的范围，然后再采用最近邻法确定更精确的估计位置，从而极大地减少匹配定位过程中的运算量，提高系统的定位速度。第四，为了提高定位算法对运动目标的实时跟踪定位能力，减小定位误差，还提出了一种基于卡尔曼滤波的室内运动目标实时定位算法，该算法通过对匹配算法得到的估计位置进行卡尔滤波处理，使定位结果最大程度的接近真实的运动轨迹。并通过实验验证了该算法的有效性。第五，采用模块化的设计思想，设计并实现了一种基于WLAN位置指纹的室内定位系统验证软件，为指纹定位算法的研究和改进提供了一种平台，并加入了跃变自适应卡尔曼滤波算法和基于区域划分和AP ID过滤的匹配算法，通过该软件进行定位实验，验证了本文所提算法的有效性，同时，也证明了该软件具有良好的定位性能。