无线局域网的飞速发展和移动智能终端的广泛应用,为室内定位技术的发展提供了更广阔的空间。以无线接入点的接收信号强度为主要定位依据的WLAN位置指纹定位系统在迅速发展的同时,也面临着定位精度下降与定位复杂度升高问题。针对室内AP增多导致定位匹配复杂度增高的问题,本文采用K-means聚类划分的方式缩小指纹搜索空间,在每个独立的定位子区域建立定位模型。针对K-means聚类算法易陷入局部最优解,影响定位精度的问题,本文对Kmeans算法进行改进,基于混沌理论和最大最小距离得到一种应用于位置指纹定位的萤火虫聚类算法。该算法引入具有规律性、遍历性特征的混沌变量和具有随机优化性能的萤火虫算法,通过混沌搜索与智能寻优的位置更新方式,分别对初始聚类中心的选取和样本点的聚类划分过程进行优化。仿真结果表明,FCMM算法相较于其它算法,在解决局部最优解问题时效果更优。针对AP波动性较大导致位置指纹难以匹配,以及邻近AP的RSS信号相关性较强产生冗余信息,增大定位复杂度的问题,本文研究了一种联合稳定AP优选、FCMM聚类与PCA特征提取的算法。该算法在离线数据采集阶段通过稳定AP优选方式滤除波动性较强的AP,然后采用FCMM算法将高稳定性AP划分到不同的定位子区域,在每个定位子区域通过主成分分析算法对RSS信息进行定位特征提取,以降低指纹信号的相关性,去除冗余信息。实验结果表明,本文研究的联合FCMM与PCA算法的位置指纹定位方式,相较于其它指纹定位方法可以有效降低定位耗时与定位误差,在降低定位复杂度的同时,提高了定位精度。