随着无线基础设施的广泛部署,无处不在的无线接入服务己经成为人们生活和工作必不可少的一部分。同时移动互联网也如火如荼的发展着,基于位置的服务由于可以为人们提供更具体、更实时和更生活化的服务,使人们的生活更加便利,因此正走进人们的视野。而基于位置服务应用的核心底层技术-无线定位技术日益成为人们关注及研究的热点。本文正是将研究的关注点集中在人们日常生活80%所在地-室内定位技术,针对基于视频指纹匹配的室内定位技术,提出了基于射频指纹匹配的高精度鲁棒定位技术,基于对射频信号的统计特征、时间依赖性和设备依赖性进行分析、仿真、实验,并在实际环境中部署系统加以验证,取得良好效果。定位算法主要包括离线训练过程和在线定位过程。离线训练通过在空间位置采集的射频信号形成射频指纹,先根据时间标识和设备标识,构建指纹的时间迁移模型和设备迁移模型,然后基于射频指纹的统计特性,构建指纹模型,最终生成定位模型,供在线定位阶段用来定位。在线定位阶段,定位引擎利用实时收到的射频指纹,根据需要,进行时间映射和设备映射,更新指纹。之后在位置空间中,根据马尔科夫性质,选取适合的定位区域,降低搜索计算开销,并在选取的定位区域中,优化选取定位AP。最后利用贝叶斯理论,对空间位置计算后验概率,选取最大的后验概率和预先设置的后验概率阈值比较,大于概率阈值则返回对应的位置作为定位结果,否则自适应的增大定位区域,重新进行一次定位,更新定位结果。本文的贡献在于提出了一种基于射频指纹匹配的定位算法。首先,该算法考虑并处理了射频信号的时间依赖性和设备依赖性,从而提高定位的鲁棒性。其次,该算法在贝叶斯理论框架下,引入了定位区域和定位AP选取两个有效策略,既提高了定位精度,又降低了定位开销。再者,该算法引入了阈值控制算法,对定位结果进行有效的纠正,确保不会产生定位累积误差,保证了定位的精度。最后,基于射频指纹匹配的定位算法还利用了移动客户端反馈的传感器信息,对定位算法进行策略性的改进,使得定位结果更符合用户场景,从而提高用户体验。