当前我们处于一个高度信息化的社会,并且随着人工智能的发展和大型建筑的不断增多人们每天有大部分时间都在室内度过,因此对于基于室内的定位服务的需求与日俱增。例如仓库、医院、地下停车场等场景都需要提供有针对性的室内定位服务。然而受到各种各样的因素的影响与限制,现在市面上并没有一种公众认可的室内定位系统。由于目前Wi-Fi设备在我们的日常生活中十分普遍,可以说大部分场景都能够做到Wi-Fi全覆盖,因此基于RSSI的室内定位系统是如今的主要研究方向。本文通过分析和了解国内外对于基于RSSI的室内定位的研究成果和现状提出了两种改进的方法。在第一种方法中首先提出了一种从选择RSSI概率分布作为特征值的方法,其次通过使用无迹卡尔曼滤波器来耦合RSSI概率分布模型和PDR模型来提升定位方法的定位精度。第二种方法是使用CSI代替RSSI,并且使用随机森林算法训练CSI指纹数据库的方法。第一种方法我们首先分析了RSSI信号的特征值选取问题,通过对比实验选择了一种基于RSSI概率分布作为特征值,生成完数据库后在在线阶段利用KL距离计算实时数据与指纹库中指纹的相似度,并最终通过WKNN算法计得出待测点的位置信息。其次我们分析了基于RSSI定位的特点,通过使用无迹卡尔曼滤波器耦合刚提出的基于RSSI概率分布模型与PDR模型来提升定位精度,最后通过实验证明了本章采用的方法能够有效的提升定位精度。第二种方法我们首先介绍了信道状态信息(CSI)的基本知识并分析了其信号的特点,然后提出了一种基于随机森林指纹训练法CSI的定位方法,此方法分为离线和在线两个阶段。在离线阶段,我们首先对采集到的CSI数据进行预处理清除奇异值,这里我们采用的是一种基于密度聚类的算法,然后通过随机森林法训练数据生成离线数据库,在在线阶段比较实时数据与数据库中数据的相似度并用定位算法得到最后位置信息。通过实验我们证明了本章采用的方法能够有效的提升定位精度。