本发明属于室内定位技术领域，具体公开了一种基于深度生成学习网络的多模态室内定位方法和系统，该系统包括移动设备、服务器和服务设备；通过移动设备的磁力计、加速度计和陀螺仪采集方位、角速度和加速度序列数据；在服务器中转化成二维指纹图像并从二维指纹图像中提取序列特征向量，然后将提取的序列特征向量与移动设备采集的指纹信息进行拼接作为移动设备的卷积神经网络的输入，移动设备通过卷积神经网络输出预测的位置结果。本发明利用全局位置弱相关的加速计和陀螺仪数据，在云端实现位置特征向量生成，并在用户设备端实现与磁力计数据的准确全局位置估计；在确保亚米级定位精度前提下，防止位置隐私泄漏。