随着物联网技术的发展,人们对基于室内位置感知的服务需求与日俱增,如飞机场、商场、博物馆、医疗养老机构、矿井等室内环境。室内位置服务的重点在于稳定可靠室内定位技术,因此,对室内定位技术逐渐成为研究的热门。基于无线信号强度测距(received signal strength indication,RSSI)的定位技术由于室内环境复杂多变,会导致RSSI值难以准确测量、RSSI值和距离之间的对应衰减关系不明确,测距定位的精确性较差。另一方面,惯性测量定位法不易受环境干扰,但是存在着误差随时间累计的问题。针对以上不足给出了基于Bessel函数测距模型的RSSI测距方法、RSSI的加权四角质心定位法、卡尔曼滤波融合定位法,以提高室内定位的精确性和稳定性。主要的研究内容如下:针对RSSI测距技术中,由于室内环境复杂多变,难以准确测量RSSI值和RSSI测量值与距离对应衰减关系不明确的问题,给出了一种基于Bessel函数测距模型的RSSI测距方法。首先对RSSI原始数据进行粗大异常值剔除、滤波、凸优化提取趋势项的预处理,然后建立基于Bessel函数的测距模型,通过最小二乘法辨识模型参数,最后基于RFID实测的RSSI值数据进行对比实验验证,表明基于Bessel函数测距RSSI测距方法提高了测距精度。针对经典的RSSI测距定位方法的优缺点,为进一步提高测距定位的精确性和稳定性,给出了一种室内的基于RSSI的加权四角质心定位法。首先,加入4个锚节点来估计未知节点位置,初步计算得到未知节点的4个初步位置坐标,然后,根据RSSI测量距离之和倒数为权值,更进一步地计算得到最终未知节点位置坐标。通过MATLAB平台进行仿真对比实验,结果表明了RSSI的加权四角质心定位具有更佳的精确性和稳定性。针对基于RFID无线信号强度测距定位法,成本功耗低,长时间定位误差不随时间累计,但室内环境干扰,定位精度波动性较大,惯性测量定位不易受到外界环境干扰,但存在误差随时间累计的问题,给出一种基于卡尔曼滤波融合定位法,以实现将两者定位法的优缺点进行互补。通过MATLAB进行仿真对比实验,结果表明卡尔曼滤波融合定位相比单一定位法具有更高的定位精确性和稳定性。图[27]表[7]参[78]