随着社会的快速发展,无论是在国防领域还是在日常生活各个方面中,导航技术都有着越来越重要的意义.在室外环境中,定位导航技术日渐成熟,近年来,随着智慧城市建设的不断推进,在一些人口密集的商场、停车场等室内公共场所,基于位置信息服务的位置导航、环境感知和对人或物的实时监控的需求不断增加,高精度的室内定位技术也因此成为研究热点.针对现有的室内定位方法存在高成本、低精度、鲁棒性低等问题.一些学者尝试将机器学习引入室内指纹定位中,机器学习作为一种数据分析的智能工具,具有强大的自学习能力,通过机器学习的思想解决上述问题,能够提高室内定位精度、增强系统鲁棒性,同时降低成本,提高室内定位方法的性能.本文首先详细综述了基于K-最近邻、支持向量回归、随机森林、卷积神经网络、循环神经网络五种机器学习方法在室内定位中的应用,然后分析了这些方法的应用到室内定位研究中的优缺点,总结了基于机器学习的室内定位方法面临的困难与挑战,最后展望了基于机器学习的室内定位方法未来的一些发展方向.