随着人类社会的不断进步，无线定位技术尤其室内定位技术在无线传感器网络中得到国内外的广泛重视。由于室内的环境比室外更加复杂，在室内会有比如障碍物、反射、衍射、多径效应、非视距传播等因素的干扰，使得室内定位技术成为新的研究热点和难点。室内定位技术主要包括基于到达时间（TOA）、到达时间差（TDOA）、到达角度（AOA）和基于接收信号强度指示（RSSI）等定位技术。基于RSSI的定位技术与其他的定位技术相比，最大的好处就是不需要添加额外的设备，就可以建立定位系统，而且无线定位技术中，多径传播和非视距传播（NLOS）通常是造成定位误差的主要原因，但位置指纹定位技术却利用多径传播来构建位置信息，比较而言，基于RSSI的位置指纹定位技术更适合于复杂的室内环境。位置指纹定位算法分为两个阶段：离线阶段和在线阶段。在离线阶段中，首先要布置好参考节点的位置和AP的位置，然后在每个参考节点处收集大量的AP发射过来的信号强度，而且要多次测量求取平均值作为指纹数据库的信息，这种做法的主要缺点是费时费力。因此本文利用信号损耗模型和数据插值两种方法来建立指纹数据库，具体做法是先收集一小部分参考节点的指纹信息，根据这些信息，分别利用这两种方法计算另外一些参考节点的指纹信息，最后建立指纹数据库。实验仿真表明，利用基于信号损耗模型建立的数据库和基于数据插值建立的数据库进行定位的精确性都比较高。目前指纹定位的在线阶段，大部分都是对与所有参考节点的相似度一一比较之后，最后确定与哪个或哪些参考节点相接近这部分进行研究，比如提出了KNN算法、WKNN算法等。本文提出了一种改进算法——加权模糊C-均值聚类（WFCM）算法，它不需要未知节点与所有参考节点进行相似度比较，只需与所在同一类别的参考节点比较即可，本文利用接收信号强度（RSSI）和加权模糊C-均值聚类（WFCM）算法，通过对参考节点和未知节点进行聚类来实现定位，克服了指纹定位耗时耗力和三角定位精确度低的问题。同时采用欧几里得距离作为比较相似度的参数，而且定位仿真过程中取不同的噪声误差比较对定位结果的影响。仿真结果表明，与模糊C-均值聚类（FCM）算法相比，本文提出的算法能更好地实现聚类，定位更加精确，算法的鲁棒性更高。