Los servicios de localización interior están surgiendo como una aplicación importante de Internet de las cosas, lo que impulsa el desarrollo de tecnologías relacionadas en escenarios interiores. En los últimos años, se han propuesto varios algoritmos de localización para diferentes escenarios interiores. El algoritmo de localización interior basado en huellas dactilares ha atraído mucha atención debido a su buen rendimiento sin dispositivos de hardware adicionales. Sin embargo, la aparición de desajustes de huellas dactilares causados por la complejidad y variabilidad de los escenarios interiores es inevitable, lo que degrada la precisión de la localización. En este artículo, al combinar la norma de núcleo ponderado y la norma, se propone un algoritmo de localización interior asistido por análisis de componentes principales robusto de norma conjunta (JRPCA en resumen), que puede mejorar la precisión de la localización mediante la agregación de puntos de referencia (RPs) y la realización de una extracción robusta de características basada en el agrupamiento. Específicamente, se propone un método de terminación de agrupamiento jerárquico unidireccional para obtener grupos de RP razonables de manera adaptativa según los RPs preestablecidos. Se propone un algoritmo de coincidencia de huellas dactilares de dos fases de JRPCA basado en agrupamiento para aumentar aún más la diferencia entre RPs similares, facilitando así la identificación rápida y reforzando la precisión de la localización. Para validar el algoritmo propuesto, se realizan experimentos extensos en escenarios interiores reales. Los resultados experimentales confirman que el algoritmo JRPCA basado en agrupamiento propuesto supera a otros algoritmos existentes en términos de robustez y precisión.