近年来,室内定位需求日益增大,虽然在室外使用GPS可获得较好的定位精度,但GPS信号易受天气等外界因素影响且其无法在室内使用,因而需要利用其它技术方案实现室内定位。无线传感网络的发展,为室内定位提供了一种定位精度高,实施方便的定位方法——无线室内定位。无线室内定位基于无线网络信号强度进行定位,由于室内环境复杂多变,受反射,折射,衍射及多径衰减影响,使得无线信号波动大,定位结果容易产生偏差。为了提高定位精度,本文提出了一种改进的无线室内定位算法——AFILA (Advance Fingerprint-based Indoor Location Algorithm)。本算法以指纹定位算法为基础,与其它算法相比,本算法在不增加工作量的情况下可提高定位精度。本文的主要贡献在于1)原始数据的处理：无线信号在室内受外界影响波动大,为了提高定位精度需获得稳定可靠的原始信号数据。本文提出了利用Kalman对无线信号进行平滑。同时由于无线链路存在碰撞,使得数据丢失,影响定位结果,为此本文通过对原始数据进行补偿以消除该影响。对于定位频率较高的设备或在底层硬件上,本文提出了均值平滑法以减少信号波动。2)定位算法：本文定位算法从比较参考节点选择,最近邻求解,定位结果确定三个方面对基本指纹定位算法进行改进,从而提高定位精度。本文同时也提出了基于神经网络的指纹定位算法以及该算法存在的问题及解决方案。3)轨迹优化：当标签在移动过程中,信号波动加大,导致定位结果与实际定位j轨迹不符。因此,本文提出了速度过滤及障碍物过滤,结合标签运动模型及室内实际环境对轨迹进行处理,可明显优化运动轨迹。最后,本文通过一系列的实验将本算法与改进前的指纹算法进行对比,实验数据显示本算法取得了较高的定位精度,同时也使得定位结果与实际运动轨迹更加接近。