近些年来,随着移动互联网的高速发展,无线网络和移动智能设备的广泛普及,基于Wi-Fi的室内定位技术逐渐被广泛采纳。然而,在当前基于Wi-Fi室内定位技术的研究中,依然面临着诸多挑战:离线阶段构建的位置指纹数据库依赖人工现场采集指纹数据导致部署成本过高,位置指纹数据库无法针对室内环境变化及时更新造成定位精度降低,指纹信号强度不稳定等。因而针对位置指纹数据库构建难、位置指纹数据库更新开销较大等问题,本课题研究在众包生产环境下基于贝叶斯压缩感知理论的位置指纹数据库重构方法。首先本文针对Wi-Fi室内定位技术进行了详尽的分析。由于室内复杂环境多变引发的多径、阴影现象,导致无线信号强度波动大,因而在离线训练阶段中本文采用了卡尔曼滤波方法对位置指纹数据进行预处理。其次,针对位置指纹数据库构建难的问题,采用了基于贝叶斯压缩感知理论对位置指纹数据库进行重构的方案。同时本文借鉴了众包思想进行数据采集,并使用近邻传播聚类方法对位置指纹数据进行聚类处理。随后将压缩感知理论与贝叶斯理论组合对少量位置参考点采集的信号强度变化值进行分析,进而利用该变化值对离线指纹数据库进行重构。最后,论文仿真实现了贝叶斯压缩感知理论的位置指纹数据库重建方案。仿真实验结果表明,在保持室内定位精度偏差小的前提下,使用贝叶斯压缩感知理论的位置指纹数据库重构方案,在少量数据样本的情况下,对定位区域位置指纹数据库进行重构,能够有效地解决位置指纹数据库更新开销较大的问题,在一定程度上降低了人工维护指纹数据库的开销成本。