近年来,随着移动通信技术的迅速发展和计算机技术的普及,大多数智能设备都有安装全球定位系统GPS,所以在户外环境中（例如百度地图、谷歌地图、高德地图等）获取位置信息的服务需求与日俱增。然而,GPS对于建筑物、停车场以及靠近墙壁的地方等室内环境表现不佳,因为来自GPS的信号太弱,无法通过大多数建筑,从而使GPS难以进行室内定位。由于GPS定位技术受限于室内只能在室外提供精确定位信息,所以室内定位技术引起人们广泛关注。目前,Wi-Fi定位是室内定位中的主流方法。原因在于,随着Wi-Fi设备（例如智能手机、智能电视、物联网等）不断增加,利用现有的Wi-Fi基础设施作为定位服务平台的可行性越来越有吸引力。在这种情况下,Wi-Fi室内定位系统确实可以提供关于移动设备的精确、可扩展和实时的定位信息。但是指纹数据库中的RSS指纹值会随室内环境的变化而变化,通常需要不断地重新测量指纹值去更新指纹数据库,这就导致了成本高,耗时长,尤其是在定位区域较大的动态环境中是不切实际的,所以指纹数据库的构建是Wi-Fi定位系统的关键。针对此问题,本文提出了一种基于自适应上下文生成对抗网络模型去构建指纹数据库的方法,并将其应用在了仿真环境与现实场景中,其研究内容主要包含以下几个方面:（1）对比了目前室内定位领域中构建指纹数据库的方法,并分析了这些方法的优势与存在的问题,同时介绍了当下主流室内定位技术,最重要的是,详细研究与阐述了生成对抗网络模型与自编码器。（2）将射线追踪技术生成的仿真数据与现实场景中收集的数据进行归一化、切割、转换,最后把这些处理后的数据采用二进制掩码技术转化为模型的输入数据。（3）提出了一种基于自适应上下文生成对抗网络模型去构建指纹数据库的方法,只需测量部分参考点,然后通过文中提出的模型去学习参考点的分布情况,最终模型输出预测的缺失指纹,极大地减少了收集数据的时间和成本。本文实验结果表明,室内定位精确性显著提高,人力成本大大减少。