随着科学技术的快速发展,人们对基于室内位置服务的需求越来越多。而在室内定位技术中,WiFi定位技术因其实现简单,扩展性强,成本低等优势近些年发展迅速,因此,本文重点研究WiFi定位技术。当利用WiFi进行定位时,可以选择的定位特征有很多种,本文的研究是选取接收信号强度RSSI作为定位特征,因其不需要特殊的硬件设备来获取,便于应用推广。本文研究主要包括以下几个方面:首先,对移动终端设备如何获取WiFi信号强度进行了研究,并在静态和动态环境下都分析了获取的RSSI变化特性。其次,针对WiFi信号在传播过程中易受环境干扰,造成定位精度不准确。本文提出一种加权中值-高斯滤波法对RSSI进行预处理,相比利用单一滤波法处理,该方法处理效果更好。随后分别利用基于RSSI测距和基于RSSI非测距两种定位方法展开实验,也即是模型法和位置指纹法。介绍了三种信号传播路径损耗模型及三种基于RSSI测距的定位算法,并利用对数距离损耗模型结合三边定位算法在实验室里进行了定位实验。在位置指纹法的匹配定位阶段,研究了k最近邻法、加权k最近邻法以及贝叶斯定位算法,基于这三种匹配定位算法在实际环境中都进行了定位实验,将得到的定位结果数据也展开了分析和比较。最后,针对上述算法研究中存在的对信号传播路径损耗模型依赖大,定位结果不够精确,建立位置指纹库工作量较大等问题。本文进一步开展了对基于神经网络的WiFi室内定位算法研究,主要是基于BP神经网络和RBF神经网络开展,这种方法具有相对较强大的非线性映射能力和自组织训练能力。并提出了一种基于LM的RBF神经网络室内定位算法,为了验证算法的定位性能,在图书馆中开展了定位实验,其定位结果数据证实了提出的这种算法具有有效性和适用性。