万物互联时代,定位服务是互联网中利用率最高、覆盖范围最广的基础功能之一。受限于卫星信号的传播条件,卫星定位系统无法满足室内定位的基本需求。因此,研究出高精度室内定位系统已经成为业界的研究重点。其中,由于Wi-Fi热点和装备Wi-Fi芯片设备的普及率的增高,基于无线局域网络（Wireless Local Area Networks,WLAN）的室内定位系统避免了额外的设备成本,具有很高的实用价值,引起了广泛的研究。指纹定位技术是WLAN定位系统中最常用的定位方法,主要分为离线采集指纹和在线定位两个阶段。本文对离线阶段中Radio Map的建立以及在线阶段的融合定位进行了研究与优化,主要工作如下:离线阶段,为了减少人工采集指纹的工作量以及Radio Map的存储空间,引入初次定位产生的定位误差,提出了一种高噪声定位区域聚合成四边形网格算法来实现高噪声定位区域物理位置空间上的聚合。在此基础上,进一步提出了一种基于定位误差的不均匀网格指纹定位模型来合理地构建Radio Map。仿真环境和真实环境的实验结果表明,本文所提的不均匀网格指纹定位模型减少了 Radio Map存储的参考点数量,以较少的离线指纹有效地提高了定位精度。在线阶段,为了对抗复杂电磁环境中单一算法准确性的退化,采用了融合定位的思想来结合不同定位算法之间的互补性。基于贝叶斯准则和K近邻的思想,本文提出并构建了在线指纹的分类器邻域标签置信度和分类器评估矩阵来量化分类器的可靠性。在此基础上,提出了一种基于邻域标签置信度的融合定位算法,该算法实现了双重融合,首先通过融合所有分类器的评估矩阵来构造置信候选集,并且计算出置信候选集的元素权重占比,其次采用置信候选集占比融合定位算法求出在线指纹的位置估计。公开数据集的实验结果表明,本文所提算法提升了定位效果,并且在邻域数量和环境的变化中也表现出较强的稳定性,分类器的邻域标签置信度和评估矩阵对于置信候选集的构造起了很大的指导意义。