受非视距传播等影响,基于位置指纹的室内定位精度不高。针对此问题,提出一种基于可靠AP选择和深度置信网络(DBN)的室内定位算法。离线阶段利用改进K-means算法将定位区域划分成若干子区域,并依据Fisher准则和AP缺失频率,选取分辨能力强且可靠的AP节点作为子区域的训练节点,最后采用DBN模型对各子区域参考点数据进行训练;在线阶段根据接收信号强度判别测试点所属类簇,并利用训练好的DBN模型在线估计测试点位置。实验结果表明,与WKNN、M-WKNN以及PSO-ANN算法相比,改进算法在定位精度和稳定性方面均有所提高。