智能手机的快速普及和室内位置服务广泛存在,导致迫切需要获取细粒度位置信息,特别是在复杂的室内环境。通常,基于指纹的定位系统需在不同的室内场景离线构建指纹地图,并采用相应的匹配算法完成实时定位。所以这类方法获得较高的定位精度取决于参考点的密度和AP的数量,但会带来人工开销大,不易扩展,部署成本高,实时性差,定位精度低等问题。因此,实现低成本可扩展的室内细粒度定位是极具挑战的课题。论文利用轻量级指纹构建指纹数据库,并采用支持向量机分类算法和等高线聚类算法实现室内细粒度定位。论文的主要研究内容和贡献包括:首先,提出一种结合测距的室内环境可扩展的环状射频指纹地图构造方法。对比基于网格空间分割和基于环状空间分割的射频指纹地图构造方法的优缺点,并且分析了环状空间分割的多样性。其次,提出室内子区域定位算法。由于多径影响,不同设备在同一参考点采集的RSSI值随时间动态变化。通过利用余弦相似度对不同设备进行设备校准,提高了实际部署的可扩展性。采用支持向量机分类算法实现室内子区域定位,降低了大规模位置搜索代价。再次,提出室内细粒度定位算法。为进一步提高定位精确度,本文利用等高线聚类算法实现室内细粒度定位,有效提高了位置服务实时性。最后,采用真实射频指纹数据进行试验评价和分析,结果表明本文提出的方法与传统方法相比具有较好性能。