随着物联网产业与无线通信的快速发展,基于位置信息的服务在人们日常生活中的需求度日益增加,尤其对于室内环境的位置服务需求更是呈爆发式增长。然而,在室内环境下,非视距问题与多径效应干扰现象,始终制约着室内定位技术的发展,导致定位精度低、实时性差、成本高这三大固有问题,始终没有一种普适的方案来加以解决。在当前众多的室内定位技术方案中,WiFi技术不论在私有还是公共场所,其无线网络覆盖率都在逐年持续增加,具有较高的普适性和低成本优势。本文通过分析比较国内外室内定位方法,确定在WiFi基础上使用指纹匹配方法进行研究,提出指纹匹配优化算法,有效地解决了精确度、实时性及稳定性之间关系。本文主要完成研究内容如下:(1)研究分析室内环境的WiFi节点布置方案,为确保待测点处采集到的AP节点的RSSI序列有明显差异,实验环境确定每隔7米处布置一个WiFi节点。对实验环境内影响AP节点的RSSI因素进行分析,确定单点多次多向采集方案。构建离线指纹库,对其进行改进高斯滤波处理,构建高质量的WiFi信号指纹库。(2)针对离线指纹库中高质量高密度的指纹信息,在实时匹配阶段会加大匹配时间,延长定位时间。由于K-means聚类算法需要给定初始聚类中心与聚类个数,本文采用评估准则与Canopy聚类算法分别确定聚类个数、初始聚类中心。首先采用Canopy算法进行“粗”聚类,然后采用K-means算法实现“细”聚类,最终得到k个聚类子库。实验结果表明定位效率提高约95.05%。(3)实时匹配阶段,首先通过相关系数法选出相似度最高的子库进行匹配,保证在保持较高定位精度条件下提高定位效率。然后在指纹匹配阶段,结合传统WKNN算法与贝叶斯概率算法,本文提出一种改进的贝叶斯概率优化算法。最终实验结果表明,精简指纹库后的优化匹配算法较未优化指纹库下的WKNN算法,平均定位精度提高约38.64%,平均运行时间缩减约93.51%,能够有效改善定位精确度、实时性。(4)针对用户实际应用需求,本文设计开发了一个定位系统,使用Android Studio作为客户前端的开发工具,实现离线阶段的指纹库构建以及实时匹配阶段的定位显示功能;同时本地管理也采用Android Studio开发工具实现实时匹配阶段的指纹匹配算法,最终估算出位置坐标返回至客户前端。实验结果表明,本文所提的优化算法与所设计的定位系统能达到预期效果。