Durante la última década, la demanda e investigación de la localización en interiores han aumentado y el enfoque de huellas dactilares de Wi-Fi ha sido ampliamente considerado porque es económico y accesible. Sin embargo, la mayoría de los métodos existentes carecen de precisión en la posición y presentan una alta complejidad computacional. Para hacer frente a estos problemas, formulamos un enfoque de estrechamiento de la posición en dos etapas, grueso y preciso (NDA). Además, se propone un esquema de refinamiento de dominio fuente de tres pasos (SDR) que implica la eliminación de valores atípicos, mejora de pesos de AP estables y una técnica de promediado de datos aplicando el algoritmo de agrupamiento K-means. La colaboración del esquema SDR con la selección de datos de entrenamiento, la división de áreas y los esquemas de superposición reduce la complejidad computacional y mejora la precisión en la posición gruesa. También se presenta el efecto del esquema SDR propuesto en el rendimiento de los algoritmos de máquina de vectores de soporte (SVM) y bosque aleatorio. En la fase de posicionamiento final/preciso, un conjunto de redes neuronales ligeras (DNN), entrenadas en diferentes sub-áreas, predicen la ubicación del usuario. Este enfoque aumenta significativamente la precisión en la posición al mismo tiempo que reduce la complejidad computacional en línea. Los resultados experimentales muestran que el enfoque propuesto supera a las mejores soluciones presentadas en la literatura.