近年来随着智能手机和移动互联网应用的快速发展,基于位置的服务(Location-Based Service,LBS)吸引了越来越多的关注。实时定位技术已经成为交通、商业、物流、个性服务等多个高层次应用的基础技术。在室外环境下,全球导航卫星系统(Global Navigation Satellite System,GNSS)提供了很好的定位服务,例如全球定位系统(Global Position System,GPS)。然而,在室内环境中,由于信号衰落和多径效应,全球定位系统无法提供可靠的精度。因此,近年来室内定位技术已经成为导航领域的一个热门研究方向。由于成本低,易于部署等优势,WiFi室内定位技术已成为最广泛使用的室内定位方案。WiFi室内定位系统包括离线和在线两个阶段:离线阶段进行指纹训练,在线阶段进行实时定位。传统的WiFi室内定位系统,在离线阶段首先将目标区域网格化,在每个参考点静止采集一段时间的接收信号强度(Received Signal Strength,RSS)向量集合,通过手动输入的方式获取参考点的位置信息。我们定义这样的方法为全监督训练方法。在实际应用中,这种静止的指纹训练方法带来了一个问题:离线阶段需要耗费极大的人力成本进行指纹训练。为了克服这个问题,我们研究了一种基于地图的非监督指纹训练方法。在该方法中,首先获取先验的室内地图信息。然后,通过基于起点匹配和edge匹配的方法获取从起点到转弯点的采样路径。最后,利用基于时间戳的线性内插方法得到路径上的每个采样点。通过上面步骤可以获得初始的指纹数据库。为了获得更好的定位精度和更广的适用范围,我们需要对指纹数据库进行进一步的处理:建立RSS分布模型,聚类处理。由于我们建立指纹库的方式可以在日常活动的同时进行,所以无需再刻意花费人力进行指纹训练。这样,在保证定位精度的同时也极大地提高了建立指纹数据库的效率。