无线通信技术发展日新月异,随着时代的进步当前的位置服务早已无法满足人们当前的需求。其中室内场景定位获得了定位方面广泛的关注,尤其高精度的室内定位技术在火灾救援、地震搜救、医疗导航方面等等领域都展示出了良好的应用前景,成为了主流研究方向。在室内定位定位技术中基于WIFI的定位方法因为能够最大化的利用当前的社会设施、获得高性价比的定位效果,同时大大减小位置指纹的难度而得到了业界与研究者的广泛关注。为了利用位置指纹进行定位,我们将位置指纹进行特征提取,同时对定位模型进行建模,从而得到符合室内位置服务要求的定位方法流程。本文的研究工作如下所示:1.通过实验对定位场景下的位置指纹RSSI的特征进行了实验验证与分析,得到RSSI在场景中由于现实干扰存在着不稳定性与重复性,同时与位置存在着相关联的特性。针对指纹存在的问题提出了一种深度置信网络提取瓶颈特征的方法,降低指纹维度、挖掘指纹特征。2.采用径向基神经网络构建定位模型,针对传统的网络中心确定方式,提出了一种共享近邻加权的模糊聚类方法来选取径向基的中心。通过对位置指纹信息进行共享近邻相似度的构建权重系数,采用模糊的聚类方式加权得到位置的质心作为径向基中心,更好地对定位效果进行改善。3.为了提高定位精度与定位准确率,在此基础上提出了集成堆叠融合的定位方法。通过引入其他定位模型进行融合,将弱学习器组合形成更强的学习器,进一步提高定位模型的定位效果。4.本文将之前的降维方法与提出的共享近邻模糊加权的径向基网络模型融合方法结合,在云南大学呈贡校区四楼部署位置参考点RP进行位置指纹数据的采集与指纹库的构建。通过实验验证证明算法在定位精度与定位准确率上的优越性能。