作为基于位置应用的基础服务，室内定位系统实现了无线环境下的室内位置感知。指纹定位技术利用收集室内环境所能接收到的Wi-Fi或ZigBee信号强度应用机器学习算法来推断当前用户的位置。在室内环境中，无线信号不稳定、波动大，因此定位精度不尽如人意。为解决无线信号波动引起的定位不精确的问题，本文提出了一个基于信号强度指纹的精确定位系统。首先讨论了在离线阶段如何对原始数据进行预处理来减轻在线定位阶段的计算复杂度以及去除噪点;在对信号进行预处理的基础上运用基于迁移学习和隐马尔科夫模型的流形对齐算法，充分利用过时的标注数据和用户历史数据来标注当前的未标注用户轨迹数据来创建实时的无线地图;最后在实时标注数据集中应用经典分类算法进行位置估计。为了与其他前沿定位方法进行对比，本文进行了一系列实验。实验结果表明，本文所提出的半监督迁移学习算法相对于传统定位算法有着比较高的定位精度。