随着短距离无线电技术的高速发展和无线局域网络(Wireless Local Area Networks,WLAN)的普及,用户在享受WLAN带来方便快捷信息交互功能的同时,对高效精准的室内位置服务需求也愈发迫切。由于基于WLAN的室内定位技术只需要利用软件的升级与更新,通过软件计算即可实现定位功能,因此在室内环境中应用较广。但由于室内环境复杂,定位信号会发生抖动,传统的WLAN指纹定位算法为了实现对目标的高精度定位,需要耗费大量的人力、物力和时间开销来实现位置指纹数据库的构建工作。因此,如何在保证定位性能的同时,降低位置指纹数据库的构建成本是目前亟需解决的重要问题。针对此问题,本文基于用户采集的大量无标记指纹样本,提出了一种基于半监督多信息流形学习的位置指纹数据库构建方案,该方案不仅能保证较高定位精度,同时可明显减少离线阶段的建库成本。本文的主要研究内容如下:1.根据需要采集的标记指纹的个数,讨论了室内WLAN指纹定位系统的四种不同建库方法。同时,本文分析了流形学习的理论基础和典型方法,并在此基础上,给出基于流形学习的半监督室内WLAN位置指纹数据库的构建方法。2.对传统的流形学习算法进行改进以适用于WLAN指纹定位系统。首先针对无监督构图方法无法反映标记数据信息的问题,提出基于标记数据的构图方法进行高维流形构建,并给出相应的理论证明;其次,为了进一步符合WLAN实际环境,针对不同特征空间提出不同的距离测量方法进行近邻点的距离测量,使得流形能更好地刻画高维数据的特征,提高位置指纹数据库的可用性。3.利用假设检验理论推导出每个参考点处有效刻画信号特征所需的最少样本个数,并结合三次样条插值算法实现初始数据库构建。在此基础上,提出多信息流形学习算法,结合标记数据的物理位置信息与未标记数据的时间戳信息,对大量未标记数据进行标记,最终形成半监督位置指纹数据库。同时,本文进行了大量实验,实验结果表明,本系统在3米内的定位误差置信概率为80.78%,比传统RADAR系统高出27.48%。