随着移动互联网技术和智能移动终端的快速发展，以位置服务为基础的社交网络、共享出行、交通导航、紧急救援等应用展示了巨大的市场前景，同时在室内展厅、大型超市、医院、会馆、监狱、影院、剧场及图书馆等室内环境中也涌现了大量的室内位置服务需求。室内位置服务是真正实现万物互联的基础，将成为下一个万亿级的蓝海市场，具有巨大的社会、经济和科技战略价值。如何实现高精度、低成本的室内位置服务已成为国内外研究的热点。
　　由于具有Wi-Fi网络部署广泛、成本低廉、智能终端普遍支持等优点基于WLAN的室内定位技术已成为室内定位技术研究中的重点，而室内结构复杂多变、终端获取信号场强能力存在差异、终端发起定位时的运动状态不同以及缺乏统一的室内定位应用模型等问题都极大的制约了基于WLAN的室内定位技术的发展。本文在全面研究和分析室内定位技术发展趋势的基础上，围绕其中存在的若干关键技术问题，开展了广泛且深入的研究，取得了以下几个方面的研究成果:
　　(1)针对基于信号传播模型测距定位技术误差较大，指纹匹配定位技术数据采集工作量大，难以维护的问题，提出了一种融合室内空间信号传播模型和指纹匹配的室内定位方法。该方法基于AP和有效参考点间的空间距离，利用室内信号传播模型和参考点处AP场强分布特征构建场强样本，并将场强样本变换为灰度图像样本，最后利用卷积神经元网络构建分类定位模型，本方法将传统场强指纹匹配转为图像匹配，利用卷积神经元网络在图像匹配领域优秀的分类能力实现定位。该方法极大的减少了指纹采集的工作量和维护的难度，使用智能手机在室内环境进行测试，取得了平均2.16米的室内定位精度。
　　(2)针对室内移动定位场景中由于Wi-Fi芯片差异和定位终端运动状态变化而引入定位误差的问题，提出了一种基于卷积神经元网络和智能手机传感器的移动定位算法，通过实验发现不同类型智能手机在移动过程中，尽管接收到AP的场强不同但其变化趋势非常相似，利用这一特征将运动路线上若干个连续的参考点场强变换为图像样本，使用卷积神经元网络训练分类定位模型。在线定位阶段，通过智能手机的加速度传感器和陀螺仪传感器判断终端当前运动状态和方向，将定位终端连续接收到的AP场强变换为图像数据，使用分类模型完成定位。使用智能手机在室内环境进行测试，本方法取得了平均2.49米的室内移动定位误差，能够很好的支持不同类型的终端，定位精度优于基于最近邻的指纹匹配定位算法。
　　(3)针对部分智能手机不开放AP信号强度扫描功能或终端用户不安装定位应用的场景，提出了一种基于可编程AP的反向室内定位方法，首先基于三星S3C2440A芯片和博通BCM4331通信芯片设计了一种支持以太网供电的场强感知器(Sensor)，Sensor使用DD-WRT固件，能够有效的捕获802.11环境下的通信数据并提取场强;其次设计了Sensor在定位环境中的部署和优化方法，并以此为基础利用泰森多边形将定位场景分解为若干区域，在每个区域中通过Sensor间的优化标记来持续优化信号空间传播模型，最后，利用三边定位算法实现对智能终端的定位。在实际环境中对算法进行验证，取得的平均误差为2.76米，优于不使用空间信号优化的三边定位算法。本方法能够有效的支持不同类型的智能终端，具备硬件成本低、部署灵活、定位精度较高等优点。
　　(4)针对目前室内定位应用业务不够清晰、灵活的问题，提出了一种面向室内定位的云服务应用模型，该模型定义了室内定位的相关角色、服务框架及定位算法调度方法，明确了相关角色的关联关系、定义开发流程，有利于实现室内定位应用的快速部署与推广。
　　(5)为验证本文提出的定位方法和应用模型的有效性，设计并实现了一种基于微服务架构的室内定位原型系统Neu-iLocation及移动端指纹采集程序。在实验室环境中对系统的主要功能、定位模型和相关算法进行测试，实验结果表明，本文所设计的相关算法、定位应用模型和原型系统能够有效的完成室内定位需要。同时基于Neu-iLocation构建了一个基于室内位置服务面向火场救援的典型应用，设计并实现了火场救援原型应用系统，该应用系统再次验证本文相关研究成果的有效性以及研究工作的重大价值和意义。