随着GPS定位发展的日渐成熟以及市场对室内定位越来越多的需求,研究者们将定位研究的目光由室外场景转移到了室内。目前定位技术多种多样各有优点,主流技术有蓝牙定位技术、超宽带技术(UWB)、Wi-Fi定位技术、惯性导航系统(INS)以及ZigBee技术等等。但是室内定位比室外定位复杂很多,存在干扰多变、环境依赖性强与遮挡物阻挡等因素,这会导致定位不准确从而给用户提供错误的位置,降低效率。本文首先简述了室内定位的相关背景以及意义、现阶段使用的技术与相关算法。通过对比分析相关技术以及算法优缺点,本文采用以ZigBee协议以及基于接收信号强度(Received signal Strength Indication,RSSI)的定位算法为定位系统整体框架。然后分析RSSI存在的缺陷,从RSSI干扰因素和RSSI测距公式参数这两个方面提升了RSSI定位的精确度和稳定性。最后,改进了三边定位算法,并且整合整体系统。本文针对RSSI值会受到突发干扰因素和随机干扰因素导致RSSI值不准确、精度不高的问题,分析了数字滤波算法的优缺点,提出采用卡尔曼滤波对RSSI值进行去噪及修正;同时针对卡尔曼滤波初始值对数值去噪有影响的问题,提出基于密度的聚类算法——DBSCAN。将DBSCAN和卡尔曼滤波结合,降低突发因素对数值的干扰。然后结合均值滤波与限幅平均滤波融合成新算法,减少随机因素对RSSI值的干扰。其次,针对RSSI测量距离公式中参数的不确定性,本文采用BP神经网络建立RSSI-距离预测网络,采用灰色理论预测模型和Adam优化器改进BP神经网络,改进算法减少了测距误差、增强了系统稳定性,提高了算法效率。最后,本文改进三边定位算法,通过改进的三边加权质心算法计算未知位置,得到较为精确的坐标。为验证上述算法的改进效果,我们构建实验平台,以学校实验室作为测试环境进行实际定位效果测试,验证了本文提出的改进算法比原算法更好,定位坐标的误差更小,避免了测距公式带来的繁琐测量,提高了定位精度。