物联网(Internet of Things,IoT)的快速发展激发了基于位置服务(Location Based Service,LBS)的迫切需求,如商场导购、人员搜救与车辆追踪。在这种情况下,高精度、低成本的室内定位系统显得尤为重要。由于无线Wi-Fi设备已广泛布设在校园、商场等公共场所,目前基于Wi-Fi的指纹定位技术已成为最常用的低成本室内定位技术之一。但指纹库的构建需要耗费大量的人力和时间开销,并且指纹常随着时间、环境的变化而失效。众包(Crowdsourcing)作为一种可替代大规模离线测量的有效方法目前得到了广泛研究,通过规划确定的运动路径、标定运动路径的始末位置获得众包轨迹在实际环境中的位置信息。但在实际应用场景中,采集的众包轨迹往往是用户随机游走的未知路径。针对以上问题,本文通过无标记的随机众包运动轨迹构建众包运动地图,通过像素模板匹配实现众包接收信号强度(Received Signal Strength,RSS)与对应物理位置的准确映射,既节省了离线阶段构建指纹库的人力、时间开销,同时也使基于众包运动路径构建的指纹数据库符合实际应用条件,具有重要的研究意义。本论文主要工作包括:首先,建立目标环境的众包运动地图。利用行人航迹推算(Pedestrian Dead Reckoning,PDR)算法,结合无标记的众包传感器数据获取具有相对位置信息的众包RSS信号路径序列,利用相关性测序重组相似位置的路径序列;并将路径序列分段后利用密度聚类算法对众包路径分区,分别处理各运动区域以建立目标环境的运动地图。随着众包路径的不断丰富,构建的运动地图也逐渐接近全局地图。同时,根据运动传感器数据确定室内关键位置(如楼梯口等)信息,丰富运地图;其次,确定众包运动地图在目标环境中的物理位置。通过像素模板匹配确定运动地图在全局地图中的物理位置,建立众包RSS信号与其物理位置的准确映射;最后,通过卡尔曼滤波算法将众包传感器数据与RSS信号融合,实现Wi-Fi模块和运动传感器模块两个定位系统的优势互补,并构造抗差权函数以减少定位粗差对定位精度的影响,进一步提升了基于无标定众包数据源的定位精度。