近几年来,基于位置的服务(Location Based Service,LBS)极大地增加了人们日常生活的便利性。随着室内Wi-Fi的广泛部署,“家家都有Wi-Fi”可能成为21世纪人们日常生活中的标签。室内Wi-Fi的广泛部署使得无线信号逐渐大众化,也为人们“位置”的计算提供着可行性。在室内场景中,因为障碍物多、空间狭小使得全球定位系统(Global Positioning System,GPS)不能像在室外那样为人们提供精确的位置服务,在室内我们需要使用更精确的定位信息来满足员工监控、超市商品定位、医院病人呼叫定位、人工交通状况监控等定位应用的需求。人员的位置信息已逐渐成为室内定位研究领域中的一个亟待解决的问题。基于传统射频信号的室内定位精度取决于接收端的信号质量。同时,通常用于定位的信号含有噪声和各种误差。室外视距(Line of Sight,LOS)传播条件比室内条件优越得多,这些条件使得在空旷场所中能获得更高的精度。早期,一种基于接收信号强度信息(Received Signal Strength Information,RSSI)的室内定位方法得到了迅速发展。然而,该信号的数值是一个估算的结果,其数值波动不稳定,误差较大,无法获得较高的定位精度。与RSSI相比,现如今也可以从普通的商业Wi-Fi中获得信道状态信息(Channel State Information,CSI),CSI具有更细粒度的感知程度,并包含多径效应、功率衰减等信息。在这种情况下,基于CSI信号的室内定位技术已经成为解决室内定位问题的一种很好的选择。本文对基于信道状态信息的室内定位技术进行了系统的研究,在现有的研究基础上,提出了一种基于CSI指纹信息的室内定位方法,旨在尝试解决目前室内定位技术当中的不足之处。本文首先对现有的室内定位技术原理进行了简单介绍,区别于传统使用RSSI进行定位的技术,本文对CSI信号特征进行分析,在人体对信号的影响方面进行了各种尝试。其次,本文根据无线信号幅值的特征,设计了一种基于CSI信号通道组合的室内定位算法,该算法创新点是将通信链路中幅值数据优化结合起来,通过组合后的数据样本建立指纹库,然后使用斯皮尔曼等级相关系数获得权重,将权重赋予WKNN算法来计算确定最终的定位结果。对比分析了单个通道和组合通道、与某些现有方法、采样点数量三个方面的系统定位性能。然后,根据无线信号相位特性,设计了一种基于CSI信号相位差值矫正的室内定位算法,该算法的重点在于将相位信号进行完整的降噪与滤波,对组间相位数据和组内相位数据同时进行处理,最后使用BP神经网络对数据进行训练得出定位结果。最后,依据本文所描述的算法,在实际的场景中进行了验证。实验结果显示,两种定位算法的定位精度明显高于使用RSSI信号进行定位的精度,相比于其他定位算法提高了定位准确率。