随着物联网的发展,及时获取用户位置信息已经成为很多应用提供服务的关键。然而在室内环境中全球定位系统(Global Positioning System,GPS)不能得到良好的定位效果。所以,越来越多的学者开始投入室内定位系统的研究。多维标度法(Multidimensional Scaling,MDS)是数据分析技术的一种,用于将多维数据之间的关系转换为低维空间节点之间的距离关系,易于扩展和实现。因此,本文基于多维标度算法对室内定位系统进行研究。多维标度算法输出的是节点去中心化后的相对分布图,所以需要对目标节点进行坐标转换。常用的MDS Householder算法以3个锚节点为一组首先获取所有可能的坐标转换参数组合,然后选取最佳参数组合对目标节点进行坐标转换,该算法需要穷举所有可能的节点组合,随着锚节点数量的增加定位实时性会快速下降。针对这个问题,本文对MDS Householder算法进行优化,利用所有锚节点获取坐标转换参数。本文首先通过仿真和公式推导证明了多维标度算法的输出节点图与实际图之间可能存在镜像关系而不存在拉伸关系,然后改进二维空间坐标转换模型中的拉伸因子为翻转因子(不同值代表是否翻转),最后将新的坐标转换模型和粒子群优化算法(Particle Swarm Optimization,PSO)相结合迭代获取坐标转换参数。改进后的算法以锚节点转换前后距离差的平方和为适应度函数衡量坐标转换前后的匹配程度,以适应度函数最小时的四个坐标转换参数对目标节点进行坐标转换。另外为了进一步提高坐标转换效率,避免每次计算不同的翻转矩阵,本文将坐标翻转方式固定为延x轴翻转,改进后的算法能够提升坐标转换精度和转换效率。计算机仿真和实际测试均验证了本文改进多维标度算法的性能,改进算法的定位实时性有所提升,并且受锚节点数量影响较小。在酷睿i5处理器+金士顿8G内存硬件平台,当锚节点数量小于10个时,平均定位时间小于100毫秒。