随着普适计算技术的发展，基于位置的服务需求与日俱增并呈现出巨大的商业前景。作为其中关键的技术基础，室内定位技术受到了广泛地关注，由此也衍生出众多技术流派。其中，基于位置指纹的定位方法，由于对无线信号传播过程中的多径效应、非视距传播等具有较好的抑制作用，成为了目前重要的研究方向。　　本文通过剖析传统位置指纹定位存在的不足，从指纹库构建以及在线匹配算法两个方面进行了深入的研究。首先，针对传统离线密集型指纹库构建存在的问题，设计了一套支持指纹库在线更新的技术方案。结合定位过程中，传感器网络产生的大量信号数据、空间标注信息，完成指纹库的高效率重建、动态维护。　　具体地，从空间信号流形的视角，提炼出指纹定位过程中的三个关键问题。在此基础上，提出了基于流形学习的位置指纹重建方法。通过构建空间信号的流形结构，结合相应的物理坐标信息，完成对信号向量的空间标注并形成对应的位置指纹。通过对指纹特征的筛选，保留其中对于参考点空间特征最具代表性的指纹数据，以此实现指纹库的在线动态更新。　　对于匹配定位阶段，针对本文所构建的指纹数据库，采用聚类、分类器相结合的指纹匹配方法。首先，根据信号的空间距离特性，利用k-means聚类对原始指纹库进行初始聚类操作，配合聚类结果完成各类簇的数据重组，以此限定匹配过程中的误差范围。对于重组形成的数据子集，训练对应的 SVM 分类器模型，最终完成对于指纹的精确匹配。　　最后，搭建了基于低功耗蓝牙的室内定位系统，对上述方法的有效性分别进行实验分析。通过对指纹动态迭代过程的模拟实验得出，所提出的流形学习建库方式能够在保证指纹精确度的同时，解决传统指纹采集低效率的问题。以此同时，从分类算法、模型方案两个维度对定位匹配算法进行了验证。最终表明，采用聚类和SVM结合的指纹匹配方法，能够在限定匹配误差范围的基础上，有效提高定位稳定性以及精确度。