近年来，由于目标追踪、车辆定位、线路导航等基于位置的服务(LocationBased Service，LBS)的应用需求迅速增长，使得位置感知和定位成为相关领域的热点研究问题。场景分析法是目前基于WIFI信号室内定位的主流方法，该方法利用预先观测到的信号强度作为场景信号特征来推断观察者的位置，克服了信号传播模型不准确的缺点，具有较理想的定位精度。　　场景分析定位法的基础是信号强度指纹库的构建。通常做法是将信号强度的采样数据经统计后直接建成指纹库，但采样点的密集程度决定了定位精度的高低，因此要获得理想的定位效果，一般需要大量的人工劳动进行密集采样，构建指纹库的工作效率低下。插值方法试图在构建指纹库时减少数据采样，但效果依然不够理想。因此，如何高效构建无线信号指纹库，并获得高精度的定位效果，是制约场景分析法广泛应用的一个关键问题。　　针对无线指纹库的构建问题，本文提出了一种基于低秩矩阵填充理论的高效构建方法。低秩矩阵填充理论作为压缩感知理论的延伸，根据该理论从低秩矩阵的稀疏观测可以较高概率进行矩阵的重建和恢复。而无线信号强度数据具有高度的空间局部相关性，因此可以将无线信号强度的分布近似看作低秩矩阵，从而可以利用低秩矩阵填充理论实现无线指纹库的高效构建。同时，考虑环境噪声的影响和恢复数据的连续性，在基本的低秩填充模型中引入局部相关约束条件，提出了带平滑约束的低秩矩阵填充模型，并利用奇异值分解方法实现了模型的优化求解。　　为了验证本文方法的有效性，在仿真数据和实际环境中分别进行了指纹重建和定位实验。实验结果显示，本文提出的指纹库构建方法能有效减少信号强度的数据采样，并且将较低采样率下重构获得的指纹库用于室内定位获得了较为理想的定位精度。