本发明属于室内定位技术领域，具体是涉及一种基于深度迁移和模型参数集成的室内定位方法。本发明利用深度迁移对源域和目标域深层特征进行均值距离最小化约束和二阶统计差异最小化约束，能最大程度的减小域差异，进而使模型能够有效的适应复杂的室内环境。利用参数集成的思想，让用于预测的模型在每个训练步骤利用指数滑动平均机制集成利用梯度下降法进行训练的网络的参数，降低了神经网络在训练过程中的抖动，保证预测模型具有稳定的输出。本发明可以有效克服复杂室内环境中由于环境变化和异构设备测量偏差导致的误差增大的问题及神经网络在训练中的抖动问题。