随着LED的技术发展和室内精确定位的需求增加,基于可见光通信(Visible Light Communication,VLC)的室内定位技术研究出现了明显的上升趋势,包括建模的VLC信道、定位算法和定位系统等等。与其他室内定位技术相比,可见光定位(Visible Light Positioning,VLP)技术拥有着低成本、环保节能、不受电磁干扰、高精度等众多优势,具有广阔的应用前景。近几年来,由于传统室内可见光定位技术面临着定位精度低、系统实现复杂等问题,出现了一些新型的技术解决方案,而基于智能优化算法的定位技术便是其中一种优秀的方案,能有效地提高定位精度和降低系统的复杂度,已逐步成为研究的热点。本文正是基于智能优化算法提出了一种新型的室内可见光三维定位系统,并针对漫反射问题提出了解决方案,主要内容如下:首先,考虑到可见光信号会被墙壁、天花板和其他一些物体的表面反射,分别对室内可见光直射和反射两种链路信道建立了物理模型。针对当前常见的可见光室内定位方法:近似感知法、指纹法、图像传感器法和几何测量法等其他方法,介绍了它们的实现原理,并进行了比较。其次,传统人工蜂群(Artificial Bee Colony,ABC)算法存在着全局探测能力的不足,容易陷入局部最优等问题。针对这些问题,本文引入基于交叉操作的全局人工蜂群算法,提高了算法的收敛性能。并基于改进的人工蜂群算法,提出了一种新型的室内可见光三维定位系统,较好地解决了传统可见光定位中算法复杂度高以及需要辅助设备导致高成本等问题。为了验证定位系统的性能,本文从多角度进行仿真实验,定位精度都能达到毫米级别,结果表明该系统无论在定位精度还是收敛速度上都展示了较优秀的性能。最后,针对可见光三维定位中漫反射问题进行研究,采用人工神经网络算法进行信号预处理。将整个定位过程分为两部分:通过神经网络算法进行信号预处理,以及采用人工蜂群算法实现高精度定位。仿真结果显示,在高度为1m平面上,平均定位误差为2.6 cm。若未处理漫反射信号,平均定位误差高达41.8 cm,定位误差大幅提高。仿真数据表明该方案能在考虑漫反射情况下取得满意的定位结果。