随着移动智群感知以及物联网技术的发展,位置信息成为其不可或缺的基础因素,人们越来越关心位置信息所能带来的便捷,室内定位服务所带来的越来越多的商业利益更是促进了室内定位技术的发展,室内定位几十年来一直是一个活跃的研究领域,室外环境通常使用全球定位系统(GPS)完成位置确定,由于室内场景中,由于缺少对卫星的视线,GPS定位效果差,几种技术被用于构建高效的室内定位系统。在选择最佳系统时,应考虑成本、精度和时间部署之间的折衷。由于WLAN的许多优点,大多数室内定位方法采用WLAN作为定位的基本模式。基于WIFI的位置指纹室内定位方法在学术和工业界受到越来越多的重视,这主要归功于其作为无线接入技术的流行以及WiFi网络基础设施和终端的普及。定位精度的提高和指纹库的更新成为了研究热点。本文提出了一种核主成分分析(Kernel Principal Component Analysis,KPCA)与最小二乘支持向量回归机(LSSVM)回归算法相结合的室内定位方法。由于RSSI(received signal strength indication,接收信号强度)在室内WLAN环境中受到噪声和多径效应的影响,使得位置指纹与物理位置之间的相关性降低,从而使得定位精度下降。本文首先采用缺失值处理方法对采集到的指纹样本进行预处理,去除异常值;然后用KPCA方法来进一步处理指纹库,提取定位所需的主要特征,最后利用最小二乘支持向量机进行回归建模,构建位置指纹与实际物理位置之间的非线性映射关系,并用遗传算法(GA)来优化模型参数,提高算法运行速度。实验仿真结果表明,与传统定位方法相比,本文方法定位精度更高,定位速度更快。同时,本文也研究了随着室内动态环境变化,指纹库的更新问题。随着时间的推移、AP位置变化、人员走动、门窗开关等因素,直接影响已经建立好的指纹库,已经建立好的指纹库已经不能很好的反应当前的位置,所以说适应环境变化的指纹库更新是基于指纹定位方法必须要解决的问题之一,本文用正交匹配追踪算法实现指纹库的重构,完成指纹库的更新,最后用压缩感知(Compressive sensing,CS)方法实现定位方法,本方法通过少量的RSS测量,可以实现高的定位精度。