随着移动智能终端和无线网络的广泛普及,基于位置服务的应用需求呈现出快速增长的趋势。室内定位作为位置服务的基础技术,是解决全球卫星导航系统无法有效为用户提供精准室内位置服务问题的关键。在诸多室内定位技术中,基于WLAN射频指纹定位技术以其成本、复杂度以及普适性等方面的优势,被认为是当前最具推广潜力的室内定位技术之一。然而,传统基于WLAN射频指纹定位系统长期部署在室内环境时,仍面临着指纹表征模糊、指纹库构建成本高、位置估算精准度低等诸多难点与挑战,亟需展开深入研究。基于此本文从实际定位场景出发,结合当前位置服务对定位性能的需求,围绕指纹库构建方法、指纹库扩充模型和定位算法等关键问题展开研究。主要研究工作如下:（1）室内环境中存在着严重的多径效应以及其他同频设备干扰,受此影响,传统WLAN 2.4G射频指纹特征无法准确表征位置信息,影响定位精准度;此外,传统指纹库的构建方法耗时费力,制约了基于WLAN射频指纹定位技术的普适化应用规模。为此,本文提出了一种基于混合双射频指纹库的构建方法。首先,利用构建混合双射频指纹可有效提升不同参考点处指纹特征可区分性的理念,将原本相互独立的WLAN 2.4G和5G射频指纹进行融合,通过构建高维指纹特征来提升不同位置处的射频指纹特征表征能力;然后,设计了一套指纹自动采集方法,降低了指纹库的采集成本;最后,考虑到室内环境噪声对采集指纹的影响,通过提出的迭代递推加权滤波器和高维空间向量对齐机制,对自动采集的指纹数据进行预处理,提升采集指纹数据的准确性。结果表明,本文提出的混合双射频指纹库构建方法在无需用户参与以及任何手动标注数据的情况下,能够有效提升系统的定位精准度,同时降低指纹库的构建成本。（2）定位系统在室内长期部署过程中易受环境因素的影响,出现射频指纹RSSI发生幅值明显波动的情况,使得在线阶段实时获取的射频指纹RSSI偏离初始构建的指纹库,导致定位系统无法长期提供稳定可靠的定位服务。为此,本文提出一种基于混合双射频指纹库的自适应扩充模型。首先,将室内环境中重要且可控的温度和相对湿度因素考虑在内,通过在真实环境中对RSSI值的定量测量,阐明并论证了此前未受重视甚至未被发现但却影响定位精度的重要因素——相对湿度;然后,在第二章所提出的定位系统架构下,本文通过设计描述不同相对湿度条件下指纹库之间的关系模型,使经过模型扩充后的指纹库能够动态适应室内相对湿度的变化。该模型不仅具备主成分分析和多元线性回归的优点,并且通过构建的局部线性嵌入模型有效地提升了局部预测性能。通过将模型在实际环境中的长期部署和实验结果表明,本文所提出的指纹库扩充模型能够在无需额外硬件部署和人力参与的情况下,能够有效地扩充不同相对湿度下的指纹库,提升系统的定位性能,改善定位稳定性。（3）室内定位过程中的移动轨迹数据蕴含着丰富的空间和时间特征,现有定位算法无法有效利用移动轨迹数据中的隐含特征提升定位性能。为此,本文提出一种基于移动轨迹时空关联性的室内定位算法,通过挖掘移动轨迹数据中隐含的深层次特征,捕获移动轨迹数据中的局部空间特征和长时依赖特征,提升算法的定位性能。首先,通过构建的长期卷积神经网络模型来学习与位置估算相关的移动轨迹数据,模型可以有效获取移动轨迹数据中的局部空间特征和长时依赖特征;然后,针对模型需要较多的训练样本,而在室内环境中仅依靠人员进行行走标记采样成本过高限制其性能的问题,提出了一种基于移动轨迹的数据增强算法,该算法通过多尺度滑动窗口、移动轨迹聚合以及航迹逆向等方式来划分移动轨迹产生不同长度的子轨迹,达到增加样本数量以提升模型性能的目的。结果表明,本文所提定位算法能够有效获取移动轨迹数据中的时空关联特征提升定位性能,并且定位性能超过了本文其他对比方法。