目的–本文旨在介绍信号空间中两点之间的加权平方欧几里得距离，以改善Wi-Fi室内定位的性能。如今，基于接收信号强度的Wi-Fi室内定位是一种低成本的室内定位方法，已经引起了学术界和业界的极大关注。 设计/方法/方法–引入本地主要梯度方向，用于定义加权函数，并使用基于k-means算法的平均算法来估计每个接入点的本地主要梯度方向。然后，在新方法中使用相关距离来找到k个最近的校准点。计算最近的校准点和目标点之间的加权平方欧几里德距离，并将其用于估计目标点的位置。 研究结果–实验结果表明，所提出的Wi-Fi室内定位方法明显优于加权k最近邻方法。在没有足够指纹的情况下，新方法的性能也优于支持向量回归和极限学习机算法。 研究的局限性/意义–加权k最近邻方法，支持向量回归算法和极限学习机算法是使用Wi-Fi指纹进行位置确定的三种经典策略。但是，在存在多径信号衰减和环境变化的情况下，加权的k最近邻会遭受性能显著下降。支持向量回归算法需要更多指纹才能确保理想的性能。标记Wi-Fi指纹非常费力。极限学习机算法的性能可能不稳定。 实际意义–基于加权平方的基于欧几里德距离的Wi-Fi室内定位新策略可以提高Wi-Fi室内定位系统的性能。 社会影响–基于接收信号强度的有效Wi-Fi室内定位系统可以替代无法在室内使用的全球定位系统。对于许多基于室内的定位服务而言，这种有效且低成本的定位方法将很有希望。 原创性/价值–本文提出了一种基于加权平方欧几里德距离的新颖Wi-Fi室内定位策略，以提高Wi-Fi室内定位的性能，并介绍了局部主梯度方向并用于定义权重功能。