近年来，基于位置服务(Location Based Services，LBS)应用需求的不断增长，使得无线定位技术，尤其是室内无线定位技术成为无线应用的一个研究热点。基于无线信号强度RSS的指纹法是无线定位的主要方法之一，该方法利用预先观测到的无线信号强度作为场景指纹数据，并将当前移动端获得的信号强度与指纹进行匹配获得其位置信息。基于RRS的指纹定位可以很好地利用已存在的网络，且对移动终端无特殊要求，相比于其他室内定位方法实现起来较容易，定位精确度较高，是比较理想的室内定位方式。　　基于RSS（Received Signal Strength，RSS）的室内指纹定位方法的实现分为两个阶段，即离线指纹构建和在线定位阶段。离线指纹构建是指在已知坐标的不同位置点上收集信号强度，用这些信号强度建立位置指纹特征库。在线定位是在移动终端获得RSS观测值时，找出特征库中与实际测量信号强度近似的信号强度值，并根据这些近似的信号强度值所对应的位置来估计观测点的位置实现定位。在在线定位阶段，利用怎样的匹配模型，如何有效匹配信号强度值，并获得高精度的定位结果，是基于RRS的室内指纹定位方法的关键问题。针对这一问题，研究者提出了不同的定位算法，但现有的方法没有很好地考虑移动目标获取的RSS值的时空关联特性，因此定位精度还有待提高。　　针对基于RSS的室内指纹定位中的信号强度匹配问题，本文重点研究了基于稀疏表示模型的定位方法，并提出了基于时间和空间约束的稀疏表示模型，用于信号强度的匹配实现定位。时间连续性约束稀疏表示模型主要考虑了在线定位过程中获得的信号强度具有时间连续性，因此其稀疏表示也具有连续性。而空间连续性约束主要考虑了信号强度在空间分布上的连续性，即与观测信号相似的信号强度通常位于一个连续变化的邻域内，因此在信号强度匹配过程中需要表示信号强度空间上的连续性。通过建立上述时空约束的无线定位稀疏表示模型，并提出相应的模型优化求解方法，最终实现了室内移动目标的定位应用。　　为了验证模型的可行性与有效性，本文在仿真环境和实际环境中分别进行了基于信号强度的定位实验。实验结果表明，本文所提出的时间约束和空间约束稀疏表示定位方法，可以降低无线信号不稳定和噪声对定位的影响，减小无线定位误差，提高定位精确度。