室内定位技术随着科学技术的进步而迅速发展,人们位置信息的需求也愈发强烈。室内定位技术主要有射频识别技术、Wi-Fi技术、红外线技术、超宽带技术、蓝牙技术、可见光技术等,定位方法则分为几何测量法、近似法、位置指纹法等。本文采取了相对于其他方法更有优势的位置指纹法,定位技术则选择了新兴的低功耗蓝牙技术,该技术低成本,寿命较长,同时拥有较低功耗,在部署上也更加简单易行,并且可以提供持久稳定的信号传输。位置指纹法分为两个阶段:离线建库阶段和在线定位阶段。离线建库阶段主要建立指纹数据库,也称作无线电地图。离线建库阶段通常需要使用聚类算法对数据集合进行聚类处理,常用的聚类算法有K-means算法等。本文对聚类算法中k个初始点的选择进行了优化,通过不断二分聚类直到簇的个数满足要求,最终将各簇的质心作为初始点,同时通过手肘法科学的确定聚类数。在线定位阶段主要就是将待测点实时采集到的指纹信息去和指纹库中的数据进行指纹匹配。本文对在线定位阶段使用的WKNN算法进行了优化,提出了一种新的基于RSS并且结合一定补偿机制的分类模型,避免分类错误导致的定位误差;同时在权重值的选择上比较了推导的物理距离和曼哈顿距离、欧几里得距离,并且结合待测点类内数据情况设计了自适应选择权重值算法。最后本文采集了实测数据并对算法进行了验证和比较,具体的硬件设备选择的是由深圳瑞迪莱科技生产的内置了NORDIC的NRF52832芯片信号发射和接收设备,该芯片支持BLE5.0,满足实验需求。实验结果展示了不同参数对定位结果的影响,也证明本文提出的算法要优于其他传统算法。