随着情景感知服务和无线通信技术的不断发展,当代社会基于位置的服务(Location Based Service,LBS)变得越来越成为研究的热点,而LBS的核心任务就是定位技术。目前,室内定位以无线电信号的定位技术为主。随着大数据时代的到来,群智感知也渐渐受到人们广泛的关注。其中指纹库的构建需要专业人士进行较大的数据采集工作量来达到高精度定位的目的,且指纹库受环境影响严重,需要定时更新,非常耗时费力。所以本文综合考虑定位精度和数据采集工作量等方面,基于群智感知的数据采集方式,提出一种将群智感知和非监督式学习结合起来来构建指纹库的方法。其中包括:首先利用群智感知的方式采集无线接入点的接收信号强度获取原始指纹数据集。然后针对原始指纹数据的冗余杂乱和指纹注释问题,提出基于学习向量量化(Learning Vector Quantization,LVQ)和多维标度(Multidimensional Scaling,MDS)结合的一种新颖算法(a fingerprint database construction algorithm based on LVQ and MDS,FLM)FLM来解决。最终有效构建室内定位指纹库。仿真和实验结果表明其以较低的消耗构建指纹库,指纹库建立效率得到显著提高,应用于基本的定位算法的定位误差80%在2.6m以下,而且单次定位的计算量下降63%。本文同时将Friis公式和射线跟踪模型结合设计了室内RSS仿真场景以实时获取RSS信号,可以灵活设置无线接入点(Access Point,AP)的位置和数量以满足场景需求。此外,以行人航位推算(Pedestrian Dead Reckoning,PDR)为基础模拟定位区域人员活动群智感知方式采集RSS,用来后续指纹库构建的数据来源。结果表明仿真平台具有较高的实用性和有效性。最后,本文在实际环境中利用现有的智能终端在室内进行算法验证试验,用于验证本文所提算法的有效性和鲁棒性。