现如今,随着网络技术的快速发展,智能设备越来越普及,基于位置的需求在人们生活中越来越重要。目前以GPS定位技术为核心的室外定位已经广泛用于地理数据采集、车辆监控调度、大众消费等领域,但室内环境的复杂性使得GPS等常用的定位技术望而却步。这就需要在室内场景中需选择更加适合的定位技术。目前,多种定位技术都被尝试应用于室内,但效果都不太理想。而随着低成本、低功耗蓝牙的问世,让其迅速成为当前室内定位的研究热点。因此所有内容都是围绕蓝牙技术展开的。本文主要研究工作和创新点如下:(1)由于实际的室内环境与室外大不相同,人、物品、墙壁等一系列环境因素都会导致信号反射、折射、衍射的发生,从而在一定程度上对离线阶段位置指纹库的建立产生巨大影响。因此,本文首先采集了真实室内蓝牙RSSI(Received Signal Strength Indicator)数据,简单研究了距离、障碍物、人流量以及蓝牙AP个数对蓝牙RSSI的影响,从而对指纹库数据的优化方式有了一定了解,保证产生的训练数据及指纹地图的有效性,从而改善了在线定位阶段的定位精度。(2)离线指纹库建立阶段,本文从两个方面对原有DBSCAN算法进行了改进。第一,针对异常点剔除时参数的选取,采用控制变量法不断改变扫描半径eps以及扫描个数minPts进行大量实验来选择更加适合试验场景的参数值。第二,针对原有算法在确定一个核心点后,重新扫描该核心点邻域范围内的所有点数造成执行效率低下问题,改进运行方式,以该邻域内离核心点最远的点进行查询,节约了大量时间在一些不必要的点上。实验结果表明优化的DBSCAN算法较传统的DBSCAN算法在保证精度的同时又提高了执行效率,达到了应有效果。(3)在线定位阶段,本文从三个方面方面对原有算法进行了改进。首先,在位置指纹库匹配时如何快速准计算出各个参考点与待测点距离的问题,采用了自适应的方式来确定各参考点。其次,针对参考点个数K值的选取经过大量实验来研究分析最终确定一个更加合适的K值。然后,针对K值的贡献度采用欧氏距离归一化方式,保证了每个参考点贡献度的合理性。最后,通过实际环境对改进的归一化自适应WKNN算法进行了验证验,实验结果表明改进的归一化适应WKNN算法在定位精度以及执行效率方面都有了明显提升。