近几年,随着蓝牙4.0的推出,特别是苹果公司iBeacon技术在近场通信技术领域的成熟,基于蓝牙低功耗4.0协议的高精度室内定位逐渐成为了室内定位领域中研究的新热点。现阶段,基于iBeacon的定位系统并不多见,大多数处于理论和试验的阶段,成熟的iBeacon商业室内定位系统更是凤毛麟角。本文在现有位置指纹定位的技术和理论基础上,研究基于iBeacon技术的和满足工程化性能要求的室内定位解决方案。主要的研究工作如下:第一,为了解决接收信号强度指示(Received Signal Strength Indicator,RSSI)因环境因素的干扰而跃变所带来的误差,本文采用了高斯滤波和卡尔曼滤波两种方式对测量的RSSI进行预处理,消除了室内随机干扰带来的误差,保证了RSSI数据采集源头的准确性。第二,为了减小RSSI分布不规律对定位性能的影响,需研究RSSI在参考点的分布特征,本文采用数学统计和直方图的方式从定量的角度分析了距离、人体遮挡、人员不同密度等因素对RSSI分布的影响,并分析了不同基站RSSI之间的相关性,得到了RSSI在室内的高斯分布特征。第三,基于上述的分析研究,本文以提升定位系统性能为目的,从效率和精度两个角度研究基于iBeacon的位置指纹定位方法。在效率上,本文提出了对待测点和指纹库采用K-means聚类算法预处理方法。聚类处理降低了待测点与指纹库的匹配计算量,解决了巨大匹配耗时缺陷,与不使用聚类处理相比系统的定位时间明显降低,提高了定位的效率。在精度上,针对传统朴素贝叶斯概率性算法不考虑RSSI的不规律分布的局限性,本文提出了采用高斯混合模型(GMM)计算概率的方式,混合模型参数由EM算法得到,减小定位结果的误差,提高了定位的精度。第四,结合离线阶段采集的样本数据,构建离线指纹库,在MATLAB仿真平台上进行定位实验。实验结果表明,采用K-means聚类和改进的概率性算法实现定位是可行、有效的,为以后iBeacon技术在实际场景中的应用发展提供了借鉴参考。