尽管目前以GPS为代表的定位技术已有了广泛的普及和应用,但在室内环境条件下,基于位置的服务对定位技术的实时性、准确性、经济性等方面提出了更高、更具体的要求,其应用范围和用户体验都发生了新的变化。无论是面向普通用户,还是针对商业公司,室内位置信息已经成为人们每天生活轨迹和生产消费的关键信息,而室内定位技术为适应复杂多变的室内环境还面临着诸多问题。本文从物理测量、数据处理和位置计算三个关键定位环节,针对人工离线信号指纹采集效率低、信号指纹特征提取噪声多、位置匹配区域计算量大以及在线定位算法性能精度低四个主要问题,分别研究探讨了相应的解决方案。(1)研究了一种信号指纹动态采集更新模型。该模型解决了信号指纹库构建效率低下的问题,实现了室内信号指纹定位技术真正地基于现有网络、现有基础设备和待定位移动终端为一体。(2)分析了优先级稳定表征信号指纹预处理方式。该信号指纹预处理方式能够有效的过滤掉原始信号指纹中大量存在的波动性大、随机性强的无效数据,提取出稳定性高且位置特征表现力强的RSS指纹。(3)探讨了字典树定位子区域划分方法。该方法的时间复杂度仅与字典树查询深度相关,而和离线RSS指纹库规模大小无关。利用该方式能够实现快速高效的定位子区域划分,避免了人为或K均值聚类区域划分方式的随机性,降低了在线位置匹配算法的计算量。(4)提出了一种基于模糊神经网络的室内信号指纹定位算法。该算法结合优先级稳定表征信号指纹预处理方式和字典树定位子区域划分方法,并将模糊推理和神经网络进行融合,不仅实现了信号指纹的高效预处理和定位子区域的有效划分,还实现了模糊推理和神经网络功能和结构的互补,解决了模糊系统中诸如隶属函数参数的调整、模糊规则的生成等问题,提高了定位算法的效率。