卫星导航系统广泛应用于军事、工业和医疗等领域，然而在室内环境下，卫星信号穿透能力较差，此时不再适用于室内定位。随着移动终端和无线网络的广泛使用，人们对室内定位的需求日益上升。本文采用基于接收信号强度（Received Signal Strength，RSS）的位置指纹室内定位法，在分析了目前位置指纹法存在构建指纹库的工作量庞大、指纹的匹配效率低和定位算法精度差的基础上，提出了一种同时满足减少构建指纹库工作量、提高指纹匹配效率和定位精度的定位算法。主要工作如下:　　1)研究了室内无线信号的传播特性，分析了采样指纹间距和网络接入设备数量对定位算法性能的影响。　　2)针对离线阶段构建指纹数据库工作量大的问题，仿真分析了一种基于稀疏秩矩阵奇异值分解(Sparse Rank Singular Value Decomposition，SRSVD)的矩阵重构方法，该方法只利用少量的数据即可重构出具有较低误差的指纹库。仿真结果表明SRSVD算法具有较高的定位精度和较低的运算复杂度。　　3)针对传统算法中RSS指纹库的匹配效率低的问题，仿真分析了一种基于模糊聚类的方法，该方法对RSS指纹库进行分类，可以提高指纹的匹配效率。仿真结果表明模糊聚类算法具有较高的定位精度和较低的运算复杂度。　　4)针对传统定位算法只是采用K个近邻的节点，而未考虑到整个指纹库各个节点之间的潜在联系，仿真分析了一种基于反向传播(Back Propagation，BP)神经网络的算法，该方法将RSS值和位置坐标非线性拟合。仿真结果表明BP神经网络的拟合性能较好，该方法具有较高的定位精度。　　5)针对离线指纹库构建工作量大、在线指纹匹配效率低、实时定位精度低的问题，提出了一种基于矩阵重构、模糊聚类和BP神经网络(Matrix Reconstruction，Fuzzy Cluster，BP，MR-FCBP)的混合定位算法。仿真证明了提出的MR-FCBP算法具有较高的定位精度和较低的运算复杂度。