室内定位方法是定位算法研究中一个热门的研究方向,随着万物互联逐步走进人们的日常生活,基于位置服务的实现已经成为了当今最为迫切的需求之一。由于室内环境的复杂性,指纹定位方法在室内定位中有着优越的性能,但当前的指纹定位技术仍有许多问题和挑战需要解决。大部分指纹定位方法都是基于点匹配进行的,传统的指纹数据库需要在每一个参考点测量得到指纹信息并标记位置,这样需要花费很长的时间来采集指纹数据。为了降低劳动力成本,研究者提出了诸如众包或者自动机器人采集等指纹信息搜集方法。通过这些方法搜集到的数据往往是一条路径上的数据。为了能够使用传统的方法进行定位,常常需要将这些路径序列数据又重新转化成格点数据。本文根据当前国内外指纹定位的研究现状,研究重点在利用循环神经网络来实现对室内环境的目标定位。本课题旨在一定程度上解决现有的问题,主要分为以下几个方面进行展开:首先,对于指纹定位所必需的指纹数据采集来说,本文通过仿真的方法实现了对室内环境的建模,为后面的定位方法提供了验证其定位性能的仿真环境。本文主要使用射线跟踪的方法来还原电磁波在室内环境中的传播过程。将信号抽象为向自由空间辐射的大量射线,然后对每一条射线进行跟踪并记录接收端所采集到的信号分量来实现室内环境的建模。其次,根据室内环境中用户受到室内环境结构的限制,用户只能在一个有限的轨迹集合中进行移动这一现实条件。本文提出了一种基于双层循环神经网络的室内定位算法模型。该方法利用历史信息的约束对当前位置进行估计。通过仿真环境和真实环境的验证了该算法相比于传统指纹定位算法拥有更好的定位性能和鲁棒性。最后,本文提出了一种基于编码-译码的室内定位算法模型。该算法的网络模型结构比双层循环神经网络模型的结构简单,通过仿真环境和真实环境的实验结果表明,该方法的定位性能与前面所提算方法相近,同时训练时间要短,该方法可以有效的减少大量数据情况下的训练时间,对室内定位在工程中的应用具有重要的意义。