近几年,基于位置的服务广泛应用于人们生活中的很多方面。其中室内定位是基于位置服务的一个重要支持,因此室内定位算法的研究引起了许多研究者的兴趣。然而,由于室内环境的复杂多变性,室内定位算法的定位精度面临着很严重的挑战。本论文的主要研究目标是提高定位算法的定位精度以及稳定性。本论文首先提出了一种基于多重接入点选择的WiFi室内定位算法。该算法首先通过多重WiFi接入点的选择可以有效的选择出性能稳定且分辨能力强的接入点集合,并使用该接入点集合表示各位置的指纹特征。其次,基于各位置的指纹特征,对定位区域进行位置分群。然后,对各位置分群进行接入点的重新选择,为各位置分群选择出更能表现其特征的接入点集合。最后,使用C4.5算法为各位置分群构建决策模型。建模完成后,便可利用这些模型进行实时定位。该定位算法通过多重接入点选择和接入点的重新选择可以有效的提高算法的定位精度。本论文进一步提出了一种基于随机森林的高性能指纹定位算法。针对C4.5算法泛化能力弱,且存在过拟合的问题,该算法在基于多重接入点选择的WiFi室内定位算法的基础上,使用随机森林算法代替C4.5算法,为各位置分群构建决策模型。该决策模型不但具有更好的定位精度,而且该决策模型不会出现过拟合的问题。本论文以西安电子科技大学主楼四楼I区的走廊为实验场景,采集WiFi数据,来验证两种定位算法的性能,可以得到两个结论:1.基于多重接入点选择的WiFi室内定位算法具有很好的定位精度,其在2米定位误差范围内的定位准确率超过90%,且平均定位误差为1.4959米;2.基于随机森林的高性能指纹定位算法不仅具有很好的定位精度,还具有很好的算法稳定性,其平均定位误差可以小于1.3米。