随着现代通信技术的快速发展，以及普适计算技术的广泛应用，人们对于定位的要求不再局限于户外，对室内位置感知计算(Indoor-Location-Aware Computing)的需求也日益增多，例如机场、大型购物广场内的导航、会议指南、资源查找、井下工作人员的定位、老人与儿童的监护等等。　　 室内位置感知计算的难点在于环境的改变会影响定位的精度。现有的室内定位算法大多仅关注外界天气及用户设备的变化，很少考虑信源变化，均以信源性质稳定为定位假设前提。而此假设在实际应用中却很难满足，本文对此提出动态信源问题，并进行详细分析后提出有效的解决方法。　　 动态信源问题是指定位系统中某些信号源由于损耗、断电等原因发生故障而使室内信号场分布发生改变，导致室内定位精度下降的问题。在目前的室内定位研究中，此问题经常被忽略，或使用某固定值(如-100dBm)对缺失的信号进行填补，这样实际上会导致测试数据与训练数据分布不一致，进而大大降低了定位精度。本文从动态信源的有效恢复问题着手，研究如何增强系统鲁棒性。　　 为解决动态信源问题，本文开发了数据采集平台软件及室内定位系统，并提出了可有效恢复缺失信源信号值的FixMRT方法。FixMRT方法的主要流程包括：1.自适应选取邻域点，构造局部线性关系；2.将局部线性关系嵌入至低维流形空间；3.在低维流形空间中，学习信源之间的相互关系(即回归函数)。利用该方法得到的信源关系函数，可计算出发生异常的信源信号，重新构建出信号场分布，进而求出位置信息。与一般支持向量机的方法相比，FixMRT方法增加了一个约束项，可将信号空间与低维流形空间的结构统一起来；同时，由于加入了自适应选取邻近点的算法，使回归函数能够更好地反映原空间结构，对原始信号进行更好的逼近。　　 通过在实际的Wi-Fi网络环境中进行测试发现，相对于仅利用部分正常信源或利用固定值(-100dBm)填补异常信源信号的传统定位方法，FixMRT方法不仅可达到吏高精度的定位效果，更可减少标定所需的工作量，大大提高了室内定位系统的鲁棒性。