本文的研究工作主要涉及两个部分:一个是研究基于Wi-Fi室内定位的改进算法,另一个是研究网络覆盖优化问题。一方面,GPS已经较好地解决室外定位问题,但由于GPS信号在室内环境下损失较大,室内定位还面临诸多困难。Wi-Fi的便捷性和广泛使用性,使得Wi-Fi室内定位技术成为了较好的技术解决方案之一。本文首先对基于Wi-Fi的定位技术算法进行研究,从离线阶段和在线定位阶段两个方面进行改进,以达到提髙定位精度和系统性能的目的。在离线采集指纹信号时,提出改进的AP选择法,剔除缺失率高的AP,采用较高稳定性和可靠性的样本AP完成信号采集,对数据进行预处理后建立指纹数据库,从而通过提髙指纹库的数据质量来减小在线定位阶段的匹配误差,并用实验验证了所提AP选择算法的有效性。在线定位计算阶段,本文引入群智能优化算法,提出一种基于有效搜索的蝙蝠算法,然后将其应用于在线匹配的位置搜索,从而实现智能搜索,以提高定位系统性能,并通过仿真实验验证了改进的蝙蝠算法性能优于基本蝙蝠算法。然后在实际Wi-Fi环境下进行定位测试,验证所提定位算法在定位应用中的实际效果,并与其它现有的定位方法进行了对比分析,验证了所提算法的优越性和有效性。另一方面,随着人们对移动网络流量的需求的增加,传统的蜂窝系统结构已经显得力不从心,为了增加系统容量和网络速率,异构网络将会成为主流,然而异构网络下的覆盖优化问题亟待解决。本文提出一种微覆盖技术方案,研究了异构网络下的覆盖优化问题,并对典型的热点场景——火车站进行了网络优化仿真,分析了微覆盖技术对系统性能的影响。研究表明该方案既可以降低建设成本,还能满足人们对网络数据业务急剧增加的需求。