以智能手机为终端,以开放式应用为主的移动互联网的快速发展,带动着移动互联网应用的不断创新。LBS(Location Based Service,基于位置的服务)在中国迅速兴起,已成为移动互联网领域的热门应用之一。随着大型场馆大量兴建,LBS已不仅仅局限于室外区域,传统的卫星定位系统不能很好的在大型场馆室内区域发挥作用,庞大的室内LBS需求与无线局域网技术的日益成熟使得研究基于RSS(Received Signal Strength,接收信号强度)的大型场馆室内位置感知技术具有重要的现实意义。本文对基于RSS的大型场馆室内位置指纹数据库构造方法、复杂环境位置指纹特征匹配方法和多传感信息室内强跟踪方法进行了较为系统的研究,结合当今信息领域的前沿成果提出了一整套面向大型场馆LBS的位置感知解决方案。论文在深入分析大型场馆室内无线信号特性的基础上提出如下创新点：1)大型场馆复杂环境位置指纹数据库构造方法为了尽量减少大型场馆位置指纹数据库的采集工作量,缩减位置指纹采集时间,论文提出了基于加权移动均值法的位置指纹构造方法,以较短的采集时间得到相对完整的位置指纹数据；为了减少移动手持终端位置指纹存储量并降低移动手持终端计算复杂度,论文提出基于邻域粗糙集理论的位置指纹特征约简方法,实验表明由于进行了基于邻域粗糙集的位置指纹特征约简,定位精度比原有的AP选择策略有了较大的提升且位置指纹存储量大大减少。2)基于LRSML的位置指纹特征匹配方法针对大型场馆复杂环境给接收信号强度带来的噪声问题,论文提出了一种基于LRSML(11-graph regularized semisupervised manifold learning,11图正则化半监督流形学习)的位置指纹特征匹配方法,该方法利用11图作为目标函数的正则项以减少数据噪声带来的影响,同时使用标记和未标记的位置指纹数据进行半监督的流形学习,相比现今流行的流形学习方法(子空间方法)包含更多的潜在信息。实验表明本方法鲁棒性增强,定位性能和泛化能力有明显的改善。3)基于行人航迹传感信息的室内强跟踪定位方法为了提高定位自主性,论文提出了基于智能手机内置三轴加速度计和电子罗盘的三维区域判别方法,即使在无线信号微弱的边界区域或在无线接入点断电无法工作的情况下,也能够得到位置感知信息；进一步提出基于行人航迹传感信息的联邦卡尔曼滤波方法,将行人航迹推测自主定位与基于RSS的位置指纹定位技术相融合,实验表明,基于行人航迹传感信息的联邦卡尔曼滤波方法与卡尔曼滤波相比具有更高的跟踪精度,用户的位置感知体验更好。为了验证论文提出的定位理论、定位方法,开发实现了一套由服务端、PC客户端、移动手持客户端和位置指纹数据库构成的大型场馆室内位置感知系统,论文详细说明了系统架构、系统构成和功能、系统软件和各功能模块的实现,并给出了系统实验场景和系统性能说明。论文最后对研究工作进行了总结,给出了进一步研究的方向。