近年来,WiFi室内定位技术受到广泛关注。对于大型商场,停车场等场景,室内定位技术能够帮助用户快速熟悉室内环境,到达目的地。同时,商家也可以在用户许可的范围内对海量室内位置信息进行挖掘,分析有用数据,从而更好地服务于用户。因此,WiFi室内定位技术具有很大的应用价值。现有的WiFi室内定位技术定位精度多在2-6米间,其中大多数技术采用的是单一定位算法,包括概率分布算法、位置指纹算法等。测试发现,目前已有的定位算法的精度基本满足定位需求。但是,这些算法的定位结果的稳定性较差,定位点在地图上跳动范围较大,给使用者造成很大困扰。这种定位结果的稳定性问题会影响室内定位技术的进一步推广和使用。因此,研究定位精度更高、稳定性更好的WiFi室内定位技术,具有较大的应用价值。本文将K-means聚类算法、加权KNN算法(K临近分类算法)、加速度计步检测算法进行融合,提出了基于位置指纹库的融合定位算法。并基于该算法设计和实现了本文中的室内定位系统。本文的主要研究内容包括:(1)研究现有的WiFi室内定位技术的原理和特点,并对影响定位结果的精度和稳定性的因素进行分析,从而发现了现有的多数室内定位技术的定位结果不稳定的问题。针对这一问题,提出了本文采用的融合定位算法。该算法在信号采集阶段基于Kmeans聚类算法对原始数据中的噪点进行过滤,在定位阶段采用基于区域判定的加权KNN算法判定定位点所属的子区域,并在定位结束后基于加速度计步检测算法对定位结果进行可信度判定。此算法通过在各个阶段对WiFi信号进行处理、判别,有效提高了定位结果的稳定性。(2)设计并实现了基于WiFi的室内定位系统。首先根据定位系统的实际需求,确定了定位系统的架构和工作流程。然后将融合定位算法应用到定位系统中,设计了客户端、服务器模块。(3)分析定位系统的测试结果,验证本文采用的融合定位算法的性能表现是否优于单一定位算法。最后得出结论,采用融合定位算法的定位结果稳定性更高,有效改善了现有的单一定位算法定位结果容易跳变的现象。通过上述研究,证实了本文使用的融合定位算法,能够有效提高定位结果的精度和稳定性,有助于WiFi定位技术的进一步推广。