位置感知服务是通过具有定位技术的移动设施找出使用者所在的位置,并根据使用者所在位置为其提供与其位置相关的服务。随着信息时代的快速发展,位置感知技术的应用显得越来越重要,大到在军事上的精准定位、海航者海洋航路的指引,小到人们出行时驾驶的路线向导、室内目的地精确索引与引导。全球定位系统(GPS)有着较为精确的室外定位,但是在室内经常会遇到无信号问题,例如诸多商场、游乐场等地方,由于障碍物导致无法稳定连接GPS卫星。最近一段时间人们提出室内定位方案,如蜂窝定位技术、无线射频识别(RFID)定位技术、蓝牙定位(iBeacon)技术、超声波定位技术、WLAN定位技术等。精准的定位需要稳定的信号数据与优良的位置推导,精确的信号会造成费用过高,复杂的计算会导致效率过低,为了改良与优化场内位置预估方法,设计高效率和高精度的室内位置预测方法是首要任务。针对WLAN使用广泛、手机连接WLAN普及率高、且无需再次安装信号发射器来探测信号数据的特点,本文使用不同设备的信号数据,对数据进行整合,结合机器学习方法,研究了一种基于闪电搜索算法支持向量回归机(LSA-SVR)的室内位置指纹定位方法。利用接收器上的信号数据,根据该方法可以快速得到高精确度的位置信息,为人们在室内的位置感知提供了参考依据。本文的主要工作如下:1、详细分析了WLAN技术的原理及其应用方法,掌握其信号数据特点,研究信号数据整合方案。2、深入研究支持向量回归机原理,对其理论进行充分的理解,在使用支持向量回归机时,训练参数的选择对模型的预测性能有着重要的影响,因此,为了获取性能好的模型,需要获取能够使其高效的参数。本文引入最新提出的闪电搜索算法来优化支持向量机的和参数、惩罚因子和不敏感损失函数,基于此构建LSA-SVR室内定位模型。3、通过仿真实验,对基于LSA-SVR室内位置预测的模型进行误差验证,并将该优化模型与传统回归方法、基于粒子群或人工鱼群或遗传算法优化的回归方法相比较,结果表明LSA-SVR相对于基于人工鱼群算法、遗传算法或粒子群算法优化的支持向量回归模型均有更好的预测能力和鲁棒性,最后使用混沌优化闪电搜索算法,然后与基于指纹定位的支持向量回归模型相结合,使得模型更加完善,有着更为精确的预测效果和更好的鲁棒性和泛化能力。