随着物联网(IoT,Internet of things)技术的广泛应用,基于位置服务(LBS,Location-based Services)的需求也越来越多,人们急切需要高效的定位算法以解决面临的实际定位问题。在室外环境中,GPS(Global Positioning System)作为最主要的定位方案可以精准地定位用户,然而在室内环境中,由于墙壁等障碍物的遮挡,GPS不能准确推算出用户的实际位置。面对人们对位置信息需求的不断提升,各界学者和研究人员对室内定位做了大量深入的研究,提出了各种各样的定位算法,包括依赖于WiFi、蓝牙、超宽带、地磁和可见光等的定位手段,室内定位的研究一度作为顶级学术会议和期刊的热点研究方向。近些年,综合考虑室内定位的部署成本、便捷性和精准度,基于WiFi的指纹定位技术脱颖而出。由于不需要在目标环境中安装额外设备,基于WiFi的指纹定位算法作为一种经济有效的选择吸引了越来越多的研究者的兴趣。此外,在如今信息化的时代里,WiFi的部署无处不在,这一情况可以更好地帮助基于WiFi的指纹定位技术感知各个位置的用户,给出用户准确的位置信息。虽然基于WiFi的指纹定位算法引起了越来越多的研究人员的关注,然而在复杂环境和长期部署的情况下,无线电地图的自动适配问题还没有得到充分的研究,还存在一些问题,即无线电地图的自动更新。当一些无线热点(AP,Access Point)的位置发生变化时,初始的无线电地图将不再适用,定位精度将急剧下降。除此之外,随着时间的推移,室内环境的温度变化、家具的位置移动等也会导致初始的无线电地图与当前的空间信号环境不匹配,定位精度随之逐渐下降。传统的解决方法是定期进行现场勘测以更新过时的无线电地图,但是整个过程既费时又费力,而且需要专业人员的参与。虽然出现了一些自动更新算法可以更新无线电地图,然而它们大多依赖于额外的惯性传感器、提前部署的固定节点等,增加了指纹定位的部署成本且耗电量更高。针对无线电地图的自动更新存在的问题,本篇文章给出了两种基于众包的指纹更新算法,其主要工作如下:(1)第一种指纹更新系统为基于集成学习的众包定位系统,即AAIFU(Altered AP Identification and Fingerprint Updating)。AAIFU系统定期地自动更新无线电地图,并准确地给出用户的估计位置。我们发现在室内定位中,改变的AP是引起定位精度急剧下降的最主要因素,当实验环境中存在改变的AP时,更新无线电地图中改变的AP的RSS值是提高定位精度的关键。针对这一问题,在AAIFU定位系统中,我们首先检测并识别发生位置移动的AP。在得到改变的AP后,我们利用众包数据中改变的AP的信号强度(RSS,Received Signal Strength)与未改变的AP信号强度之间的关系来训练用于更新无线电地图的预测模型。此外,我们还解决了设备多样性问题,进一步提高了定位精度。我们的解决方案简洁高效,不依赖额外的基础设施和高功耗的惯性传感器。我们在教学楼进行了一系列的实验,实验结果表明,AAIFU指纹地图自动更新系统能够有效地适应AP的移动,消除改变的AP对定位结果的影响并提升精度。(2)综合考虑AP的移动和室内环境的缓慢变化引起无线电地图过时的问题,我们给出了另一种室内定位系统AAIMSS(Altered AP Identification and Mapping Space Searching),该系统基于我们改进的迁移学习方法Enhanced-TCA自动更新无线电地图并定位。由于传统的迁移学习方法TCA在更新无线电地图时,无法处理含有离群特征的情况,而离群特征的直观表现是改变的AP,它会严重干扰迁移学习算法映射空间的搜索。在AAIMSS系统中,我们改进的迁移学习方法Enhanced-TCA可以有效消除源域和目标域中的离群特征,并且充分利用目标域中含有的少量带标签的众包数据,在源域和目标域之间更准确的搜索隐藏的映射空间用于定位。我们的解决方案不依赖其它高功耗的设备和惯导(IMU,Inertial Measurement Unit)。实验结果表明,AAIMSS系统可准确处理AP的移动和室内环境的缓慢变化引起无线电地图过时的问题,进而提高定位精度。