随着无线网络的应用越来越广泛,基于位置服务的市场在一直迅速的增长,其技术支撑—无线定位技术便成了人们关注的热点。由于无线局域网(WLAN)在室内环境中的广泛部署,人们可以利用手机,PDA等移动终端设备可以轻松的获取无线信号,可见,WLAN环境为室内定位服务提供了良好的发展前景。基于WLAN和位置指纹的室内定位系统,可以充分利用现有设施,且不需要改变移动终端设备的硬件,具有覆盖面积广、实现成本低,以及定位精度高等优点,也因此,得到了广泛的应用。本文对基于WLAN的室内位置指纹定位技术进行较为深入的研究,针对建立位置指纹库中的信号特性、相似度搜索和定位精度方面存在的问题,应用聚类分析和D-S证据理论,分别提出了相应的算法,并对算法参数进行了优化。首先,本文对室内环境中对建立信号指纹库起关键影响的信号特性进行分析,包括人体影响,信号接收率,噪声环境下信号强度分布以及样本量对特征值的影响等,为准确的建立信号指纹库提供了实验基础和实践指导。其次,基于聚类分析理论,结合大数据量时系统相似度搜索慢的难点,本文首先对信号指纹库进行基于高斯模型的信号特征数据库聚类处理,在此基础上,提出了一种基于多层聚类的快速相似性搜索算法,在加快搜索有效计算范围的同时,也大大降低了定位计算量。最后,从多源信息之间的融合出发,并将定位阶段采集样本的不确定度因素考虑在定位算法之内,以此达到提高定位精度的目的。本文以D-S证据理论为理论基础,将每个AP视为一个信息源,提出了基于证据理论的多特征值定位匹配算法,并对算法进行了仿真.和参数优化。通过与相关算法的对比,以及实验分析,证明了本文提出的算法的有效性和可行性。