近几年,随着定位技术的大规模使用,LBS(Location Based Services,基于位置信息的服务)需求日益增加,室内外信息化程度不断提高,同时室内外定位技术还拥有着巨大的商机,使得室内外定位技术的相关研究越来越受重视,成为许多科研人员的热门研究。如今,室外定位技术已经成熟,而室内定位技术并没有成熟的解决方案,根据社会发展的需求,LBS已经在智慧城市、智慧海洋、智慧物流以及道路辅助与导航等场景实现了基础的应用,然而,室内定位的精度营销问题有着十分广阔的应用前景,想要实现这一前景对用户位置的准确度有着一定的要求。因此,室内环境中的高精度定位技术仍是一个具有挑战性的问题。针对室内定位的精度问题,本文进行了以下四个方面的研究:第一,分析现有的室内定位技术,对其实现过程、软硬件成本、定位精度等方面进行研究对比,同时总结几种室内定位技术的优缺点以及探讨了如何优化或提高室内定位的精度。第二,首先构建基于GA(Genetic Algorithm,遗传算法)学习的BP(Back Propagation,反向传播)神经网络定位算法模型。由于传统神经网络在选取初始权值、阈值以及网络结构选择没有经验,缺乏依据,导致最后结果收敛速度较快,使用GA优化,可以利用其高并行和自适应能力的迅速到达最优权值与阈值,然而定位误差还是比较大,因此,通过对基于GA-BP神经网络定位算法模型的深入研究,提出基于GA-BP神经网络与PF(Particle Filter,粒子滤波)结合的定位算法模型。此算法模型在之前GA-BP神经网络定位算法模型的基础上加上PF算法,通过PF算法随机采样近似状态的后验概率来追踪优化GA-BP神经网络的Gauss径向基函数的中心坐标向量与输出层权值,从而优化结果,降低误差,提高定位精度。第三,通过融合WiFi和激光雷达定位技术验证GA-BP神经网络与PF结合的定位算法模型。WiFi定位技术是采用“位置指纹”法,将真实环境中的位置和某种“指纹”建立某种映射关系,“指纹”是指采集到的RSSI(Received Signal Strength Indication,接收信号强度值),然后一个位置对应一个RSSI。“位置指纹”法一般有离线和在线两个阶段,离现阶段构建RSSI数据库,在线阶段待定位设备获取实时的RSSI并与离线阶段的RSSI数据库进行匹配。激光雷达定位技术使用“三角测距法”,首先激光雷达发射器发射激光,当照射到待定位设备时,由它反射,然后激光雷达接收反射回来的激光,通过数据预处理得到激光雷达先后获得的时间,最后进行几何计算得到待定位设备的相对距离与偏航角。第四,基于GA-BP神经网络与PF结合的定位算法模型的应用设计,硬件部分设计移动小车,此移动小车包含雷达和算法板、底层控制板及其他组件(WiFi模块、天线、算法板输入电源、陀螺仪、电机驱动器等)。软件部分设计基于Android的GA-BP神经网络与PF结合的定位算法软件,该软件包含用户信息模块、基础信息模块、建图信息模块和导航信息模块。