随着科技的进步和人们生活水平的提高,提供基于位置的高质量服务成为大势所趋。基于位置的服务依赖于室内外定位技术。然而,受复杂的室内结构、多径传播、行人移动等众多因素的影响,室内定位技术仍然停留在理论研究阶段,尚未得到有效的应用。基于Wi-Fi的室内定位,能够充分利用广泛部署在建筑物中的无线接入设备和智能移动终端,成为业内关注的焦点。发展迅速的机器学习技术为Wi-Fi室内定位研究注入了新的活力。论文基于确定型指纹定位算法的最新研究成果EWKNN算法和基于混合高斯模型的指纹定位算法,研究提升室内定位精度的方法。本文首先改进了基于混合高斯模型的指纹定位算法。基于混合瑞利模型,在样本一定的条件下,将接收信号强度转换成接收信号能量后,概率分布变得更加集中。在此基础上,实现了基于混合瑞利模型指纹定位算法的Wi-Fi定位系统,提升了定位精度。然后,论文研究将基于混合瑞利模型的指纹定位算法应用到跨楼跨层的大范围目标定位区域上的方法。针对在大区域上采集的数据集具有稀疏性的特点,设计了一种数据预处理流程,并在公开的大数据集上验证了方法的有效性。最后,本文研究了基于多任务学习的深度神经网络定位算法。在跨楼跨层的定位应用中,充分挖掘楼及楼层分类任务与层内具体坐标回归任务之间的相关性,从而提高定位精度。基于公开大数据集的实验验证表明,在大的目标定位区域上,基于多任务学习的深度神经网络定位算法比基于混合瑞利模型的指纹定位算法的效果更好。