由于Wi-Fi (Wireless Fidelity)技术的遍及以及Wi-Fi信号的覆盖率的不停提升,使Wi-Fi定位转变为可能的定位手段,无论是住宅楼、学校、办公室,抑或是超市、博物馆、公交车等公共场所都已经被Wi-Fi信号覆盖。与此同时,人们的日常生活越来越需要定位服务,这种需求为定位技术的发展带来了契机,越来越多的研究者也将精力转移到定位算法的研究中。但是室内环境是一个复杂的环境,无线电在室内的传播会受到多径传播、衍射等因素的影响,从而使室内定位的精度大打折扣。现有的算法如ToA(Time of Arrival)、TDoA (Time Difference of Arrival)、AoA (Angle of Arrival)等定位算法都会在复杂环境中产生较大的误差。因此,提高室内定位的精度,提高定位算法的效率,改善现有定位系统,已成为世界各地的学者潜心研究的热门课题之一。云计算的出现催促了定位研究的发展。Hadoop是通过Google云计算平台开源实现的,它利用了 MapReduce对大数据集进行并行运算,使系统具有分布存储海量数据、并行处理任务、较高的性能和可靠性等特点。实验中,基于MapReduce计算模型重点对模型改进、模型的实现、任务调度、负载均衡等方面进行了深入的分析。文章通过考察传统Wi-Fi定位算法在执行效率上的不足,提出利用Hadoop云计算平台改善定位系统。如何使用MapReduce思想实现对海量位置信息的分析处理并且应用于定位,是本文研究课题的创新点和难点。本文以Hadoop云平台为基础,分析研究了将云计算的MapReduce并行处理技术应用在Wi-Fi定位算法的改良和实现等相关课题。论文首先深入地介绍了 Wi-Fi定位系统的研究现状,重点研究了 Wi-Fi的测距定位算法。然后,在前面研究的基础上,引入局部线性回归算法和位置加权的概念,提出了基于MapReduce的改进Wi-Fi定位算法,并实现了实验系统的设计。最终,构建基于Hadoop的系统测试环境,在该硬件环境下完成了 Wi-Fi定位算法的功能测试和性能测试。实验的测试成果的分析说明:文中通过改良而设计的Wi-Fi定位算法具有可靠的定位结果和不俗的执行效率,可以在大量数据涌入系统时,于短时间内完成定位过程。