基于Wi-Fi网络的室内定位系统能够兼顾定位精度和部署成本而成为目前室内定位研究的热点。传统主流方案常选取接收信号强度(Received Signal Strength,RSS)和接收信号强度指示(Received Signal Strength Indication,RSSI)作为参数来实现室内定位系统,但RSS和RSSI作为MAC(Media Access Control)层的粗粒度值,很容易因环境因素的影响而产生较大的波动,使得基于RSS/RSSI的定位系统很难取得较好的定位精度。近年来,研究学者通过修改固件的方式,可以从一些普通商用网卡中提取出物理层(Physical Layer,PHY)细粒度的信道状态信息(Channel State Information,CSI),为基于Wi-Fi网络的室内定位技术开辟了新的研究空间。此外,在诸如会议室、个人家庭及小型商铺等空间较小的室内环境中往往只存在一个无线AP(Access Point)节点,因此基于Wi-Fi网络的单AP室内定位系统的研究具有更广泛的应用前景。基于以上原因,本文以CSI作为定位参数进行基于测距和指纹相结合的单AP室内定位的研究。主要研究成果如下:首先,本文采用环形采样的方式,提出了一种基于测距和指纹相结合的室内定位方案。该采样方式能够将整体指纹集划分为几个小指纹集,通过测距方案来降低基于指纹方案中的指纹处理开销,并通过指纹方案来弥补基于测距方案精度不高的缺点。此外,将测距方案和指纹方案相结合,可以减少方案对于AP数量的要求,使得本文方案可以在单AP下得到实现。其次,本文使用Intel 5300网卡和开源CSI tool工具,从两个典型的室内场景中采集到原始CSI数据。由于从实际网卡获取的原始CSI数据同时含有外部无线信道的状态信息和网卡处理接收数据时引入的内部电路状态信息,而本文旨在于利用商用网卡中提取的CSI来感知外部环境,因此原始CSI数据中含有的内部电路状态信息属于CSI测量误差,需要对其进行消除。本文从CSI振幅和相位两方面详细地分析其误差来源,通过对数据包进行加窗处理来校正CSI幅度误差;通过利用双天线间子载波相位差来校正CSI相位误差。经过校正后的CSI数据基本消除了内部电路状态信息引入的误差,为本文后续的测距方案和指纹方案提供了真实有效的数据。再者,针对现有基于RSS/RSSI测距方案及独立使用3天线上获取的CSI构建测距方案而存在的测距精度低、鲁棒性差的问题。本文通过将3天线上获取的CSI信息进行两两分组,构建出矩阵?H[k],并提出将其时域序列?h[n]作为参数来构建测距模型。该时域序列具有实际的物理意义,它表征3天线彼此之间真实CIR(Channel Impulse Response)的反向卷积。同时,自动增益控制(Automatic Gain Control,AGC)会根据接收信号强度的不同对信号进行不同程度的放大,通过实验发现AGC会破坏测距模型与距离之间的单调关系,因此本文通过提取接收数据中的AGC信息对其进行消除。实验结果表明,与使用RSS/RSSI信息作为参数或独立使用3天线上的CSI信息作为参数构建的测距模型相比,本文提出的测距模型在定位精度及鲁棒性上均得到了提升。最后,在指纹方案中,本文采用双天线间子载波CSI相位差来作为指纹特征。与使用单天线上CSI振幅或相位作为指纹特征相比,CSI相位差稳定性和自由度更高,能更好的表征特定位置。此外,与传统的指纹方案不同,本文不采用指纹匹配来确定待测对象位置,而是结合现有的机器学习工具,使用BP(Back Propagation)神经网络对指纹数据集进行训练得到分类模型,并将在线阶段得到的新指纹提供给训练好的分类模型以预测相应的位置。与指纹匹配方案相比,构建分类模型能够提高系统的实时性和鲁棒性。综合测距和指纹方案,本文在商用Intel 5300网卡上实现了基于测距和指纹相结合的单AP室内定位系统。