Para mejorar el número limitado de puntos de acceso fijos (AP) y la incapacidad de ajustarlos dinámicamente en la localización por huellas dactilares, este documento intentó utilizar drones para reemplazar estos AP. Los drones tienen mayor flexibilidad y precisión, pueden flotar en diferentes ubicaciones y pueden adaptarse a diferentes escenarios y necesidades del usuario, mejorando así la precisión de la localización. Al realizar la localización por huellas dactilares, a menudo es necesario considerar varios factores como la complejidad ambiental, la recolección de datos en bruto a gran escala y la variación de la intensidad de la señal. Estos factores pueden dar lugar a relaciones no lineales complejas y de alta dimensión en las huellas de ubicación, afectando así en gran medida la precisión de la localización. Para superar estos problemas, este documento propone un algoritmo de proyección global localmente preservadora de núcleo (KGLPP). El algoritmo puede reducir la dimensionalidad de los datos de huellas de ubicación mientras preserva su información estructural más importante, y combina información global y local para evitar el problema de la reducción de información y los pobres efectos de reducción de dimensionalidad, que pueden surgir al considerar solo uno. En el proceso de estimación de ubicación, se adopta un algoritmo mejorado de k-vecinos más cercanos ponderado (IWKNN) para estimar con mayor precisión la posición del objetivo. A diferencia de los algoritmos tradicionales KNN o WKNN, el algoritmo IWKNN puede elegir de manera autónoma el número óptimo de vecinos más cercanos, realizar la estimación de ubicación y el cálculo de pesos según la situación real, y así obtener resultados de estimación de ubicación más precisos. Los resultados experimentales mostraron que el algoritmo superó a otros algoritmos tanto en términos de error promedio como de precisión de localización.