随着5G通信技术的快速发展，基于位置信息的服务（Location-Based Services，LBS）已成为5G时代物联网技术发展与应用的重要组成部分。经过长期的理论研究和工程实践，室外环境下的定位技术已日趋完善，可以满足人或设备的日常定位需求。然而室内定位技术目前尚不成熟，没有形成统一的技术标准，有着巨大的发展空间和商业潜力。
　　论文从室内定位的实际需求，通过对现有室内定位技术的分析对比，选择低功耗蓝牙（Bluetooth Low Energy，BLE）技术作为室内定位的技术方案；为克服复杂室内环境下多径效应对接收信号强度指示值（Received Signal Strength Indication，RSSI）的影响，选择指纹定位技术作为室内定位系统的算法方案；在此基础上搭建基于蓝牙指纹的室内定位仿真系统，对定位系统的算法进行优化；最后，分别对在移动端及服务器端实现室内定位位置服务系统进行对比，确定在服务器端进行了室内定位服务系统的实现，并对室内定位系统架构进行了设计。
　　论文主要对蓝牙指纹室内定位系统中核心的数据处理算法进行研究。为提高采集到的RSSI的稳定性，对RSSI数据使用拉伊达准则进行预滤波，然后对预滤波后的数据进行卡尔曼滤波处理；针对传统基于指纹匹配的室内定位算法指纹点匹配效率低的缺陷，采用大数据领域的K-means聚类算法对指纹库（Radio Map，RM）进行聚类；为解决K-means算法聚类不稳定的缺陷，采用融合聚类的方式加以改进，保证指纹库聚类的可靠性；为克服指纹库数据采集耗时耗力的问题，采用泛克里金插值对指纹库进行插值处理，降低指纹库建立的难度；同时，针对实时目标定位时定位结果的漂移问题，采用卡尔曼滤波进行预测和修正。
　　理论分析和室内定位实验表明：在8.5m×7.5m×4m的室内实验环境中，泛克里金插值算法可以在保证定位精度及定位系统稳定性的前提下完成对指纹库的有效插值；融合聚类算法可以有效地进行指纹库的划分，提高了定位系统的稳定性，使得基于融合聚类的室内定位系统定位精度与性能优于基于传统K-means算法的室内定位系统，定位系统定位精度在1.5m内的概率较采用K-means算法的定位系统提高了约9%；同时，卡尔曼滤波可以较为稳定的对室内移动目标位置状态进行实时跟踪，得到定位目标在室内环境中定位结果的最优估计，较未使用卡尔曼滤波的定位系统定位精度在1m内的概率提高了约15%，进一步提高了系统的定位准确程度和稳定性。