在基于WLAN的室内定位系统研究和实践中,指纹匹配算法因为其可以纯软件实现且能够有相对较高的精度,被大多数系统所采用,其中指纹采集工作不可避免的产生巨大的工作量和花费大量的时间。最近的研究表明众包模型的引入可以有效地解决指纹采集的问题。然而,随之而来引入了新的挑战。首先,关键问题之一为终端设备差异性问题,由于众包用户使用不同类型的终端设备进行指纹采集,这直接导致了指纹和指纹之间以及指纹和定位数据之间的差异性。其次,另一个比较关键的问题为基于众包的室内定位系统需要保证众包用户对指纹采集工作的积极性。因此,需要挖掘新的面向实际定位系统,且基于众包模型的自动构建指纹库技术,使得用户校正工作得到减少。对于终端设备差异性问题,由于指纹经由各种不同类型设备采集获取,确定有效的指纹数据并且在差异化设备之间建立可靠的定位系统是比较关键的问题。本文提出了新型的系统级别的解决方案和算法用以克服终端差异性问题:1)提出了基于精确地RSSI相对关系(Re?ned Relative Relationship,RE3)指纹提取算法,以解决针对众包模式终端设备差异导致的指纹库混合问题;2)提出了基于动态时间规划的动态RSSI规划(Dynamic RSSI Wrapping,DRW)算法,以解决不同类型设备之间的RSSI序列变化速率不一致导致的不匹配问题;3)为了证明RE3算法与已有的定位算法的兼容性,本文将RE3算法与基于聚类分析的定位算法相结合构建了实际的面向差异化设备的室内定位系统。同时,基于最优传输距离模型,提出了适用于比较室内定位聚类结果的聚类比较算法。实验和仿真结果表明,本文提出的解决终端差异性的系统解决方案使得众包模型不同类型设备之间的定位差异度最大被压缩至1.2m以下,对完全新增类型设备定位差异度也被压缩至1.4m以下,同时本文提出的算法保证了定位精度,平均误差被限制在2.5m以下。对于基于众包的室内定位系统指纹库自动构建问题,本文提出了利用众包路径在服务器端提取指纹数据的新型方法。该方法不再局限于单条用户路径跟踪,而是通过不同众包用户在不同环境中行动产生的路径轨迹完成自动采集和构建指纹的功能。然而,在尽量减少众包用户的校正干预下,指纹精度会被降低。因此,本文提出了基于众包路径的两种新型有机地标,即固定地标和隐性地标,用以纠正指纹采集误差。其中,结合具体的地理特征环境,室内环境中的走廊交叉点被定义为固定地标,同时众包路径的动态交叉点被定义为隐性地标。为了使得固定地标能够在覆盖范围内纠正众包路径误差,基于众包用户上传的训练数据集,固定地标和众包路径之间的短距离最优估计模型被训练解算得到。同时,基于模糊逻辑选举判决器的隐性地标被用于解算隐性地标。进一步地,隐性地标用以粒子滤波技术中用以对众包路径上的位置点进行整体误差纠正。本文基于智能移动终端构建了实际的自动指纹采集系统。实验和仿真结果表明,本文提出的指纹库自动构建技术能够构建相对稳定的指纹数据库,指纹构建误差被限制在标准指纹一跳的相邻位置。