随着普适计算技术的不断发展,人们对基于位置的服务(LBS)的需求与日俱增,而对用户进行准确的定位和跟踪则是实现LBS的关键问题。虽然现有的全球定位系统(GPS)和基于电信网络的定位技术已经逐渐普及,但是它们由于技术限制或精度的原因都无法满足室内定位的需求。针对实际应用中往往只能在室内环境收到很少量无线信号源的稳定信号,本文将电磁波衰减模型和基于机器学习的定位方法有效地进行结合,提出了一种基于统计与规则结合的单源室内定位方法——MulMR算法,设计并实现了一个基于位置的室内定位原型系统。实验结果表明,我们的定位方法是有效的,定位精度达到房间级,定位效果能满足实际应用需求。具体来说,本文主要从距离估计和角度预测两方面展开了以下研究工作:首先,分析了经典电磁波衰减模型的不足,在引入隔墙衰减因子后,通过变量代换,建立了符合实际环境的多元线性回归模型。在此基础上使用最小二乘法进行参数估计,最后得出无线信号源与移动终端之间的距离估计值。其次,对实际环境中采集的样本数据进行了仿真实验,验证了基于流行正则化的回归学习方法的有效性,通过对比另外两种回归学习方法的实验效果,论证了该方法的优越性,最后得出无线信号源与移动终端之间的夹角预测值。最后,设计并实现了一个基于位置的室内定位原型系统,同时建立了一个由标定点位置信息组成的样本库,以提供给从事相关领域的研究人员使用。