随着无线技术的发展,基于无线室内定位技术已收到相当大的来自学术界和工业界的关注。fingerprint-based方法是无线室内定位的主流方法,无需额外的硬件可以很容易地实现。然而,信号波动构成关键问题有关的提取健壮的特性来实现所需的定位性能。本研究提出了一种指纹特征提取方法通常被称为费舍尔score-stacked稀疏autoencoder (Fisher-SSAE)方法。费舍尔分值较低的一些功能被取消,代表SSAE特征被提取。此外,本研究建立了一个混合定位模型使用全球构造模型和子模型,以避免重要的坐标定位错误归因于分区域定位错误。结合三种访问fingerprint-based定位方法,即支持向量回归,随机森林回归,多层感知器分类,实验结果证明该方法提高定位精度和响应时间相对于其他特征提取方法和单一定位模型。与一些先进的方法相比,提出的方法有更好的本地化表演时,大量的使用功能。