室内定位研究使工业控制、农业生产、商业管理等领域中,基于位置的服务成为可能。随着研究的进展,室内定位的精确度不断提高,原本依靠GPS室外定位提供的服务在室内得以实现,为人们生活提供了更好的舒适性与便捷性。室内环境对定位数据造成的干扰难以估算,相对于信号传播模型定位方案,指纹库定位模型考虑了室内环境对信号强度的影响,降低室内环境对信号的干扰,用户匹配信号指纹库能获得相对精确的室内位置信息,在此基础上做了以下几点工作:(1)针对室内WiFi节点信号强度不稳定的特点,在指纹库构建阶段设计了多方向的指纹库,以减少采集设备天线方向的衰减影响,并使用K均值算法对指纹库中信号指纹进行滤波,剔除室内环境中突发变动产生的噪声指纹。(2)在指纹库模型定位阶段,利用AP聚类算法对指纹库进行分簇,减少压缩感知恢复算法的运算开销,得到可靠的观测矩阵,提高总体定位精度。通过对观测矩阵进行正交操作,使压缩感知运算满足约束等距性要求,配合用户室内位置相对所有参考节点位置的稀疏性,将定位问题转换为稀疏求解问题。最终引入压缩感知恢复算法,得到用户指纹与参考节点指纹间的关系参数,从而由参考节点坐标及关系参数向量求得用户坐标。(3)为了与基于压缩感知的室内定位方案做比较,提出了时间复杂度改进的DMDS-MAP定位算法,将原始原算法中距离矩阵沿对角线划分为若干个子距离矩阵,从而减少运算的维数,剔除冗余数据,降低算法时间复杂度。将基于压缩感知的指纹库定位方案与基于K近邻的指纹库定位方案及DMDS-MAP定位算法进行仿真实验,其定位平均均方差较KNN指纹库定位方案低11.27%,较DMDS-MAP算法低28.68%,证明本文描述方案有良好的定位性能。