基于位置服务(LBS)呈现出快速增长的趋势,受到各个领域的广泛关注,有了很大的市场需求和应用价值。在享受LBS的前提下,人们在出行时越来越享受定位带给的便捷与舒适。随着无线网络技术和移动终端的大范围推广,可靠而高效的室内定位技术是其关键所在。对于其他几种无线定位,大多数须购买相应的特定设备,无形中提高了投资金额,难于推广。基于无线Wi-Fi和接收信号强度的室内定位技术,利用公共场所现成的路由器设备,只需特定的定位算法就可实现智能终端的定位。但是,在实际工程中,由于不同设备的Wi-Fi信号发射功率不同以及定位环境易变等原因,直接致使Wi-Fi信号传播复杂化,影响了定位精度,增加了定位难度。本文针对室内定位应用场合和精度问题,展开了较为深入的研究和实验。以基础理论研究为主,围绕提高室内定位的可靠性和有效性这一目标,对Wi-Fi幅值特性进行研究,制定了谱聚类联合SVR算法共同定位。Wi-Fi指纹定位基本问题是前期指纹库数据的精确以及后期数据的匹配效果。谱聚类进行前期数据预处理,利用本征间隙对NJW算法优化,加强了指纹库的可靠性,确保数据实时性。建库之后利用SVR回归学习,建立回归方程,以待定位。在线定位,用手持移动端检测到的无线信号进行聚类、特征提取,输出到SVR定位函数,估算用户位置。在多个实验场景测试,实验结果表明,采用谱聚类+SVR该算法在室内定位精度上可实现2米定位精度概率保持在78.4%,3米精度保持在93.6%。与改进之前比较,显著提高定位精度,缩短了定位时间。