随着位置服务的日益发展,人们对于位置服务的需求也从室外扩展到了室内,但是由于墙壁对电磁信号的削减,室外定位系统难以满足人们在室内对定位系统精度的要求。精确的室内定位系统在监狱、医院、幼儿园、矿区等许多场所都起着重要的作用,但是就目前而言,现有的室内定位系统或因精度问题,或因成本问题难以普及。针对室内定位系统的精度和成本问题,本文选取基于无线射频识别的室内定位系统进行研究,对室内定位系统的核心部分定位算法进行改进,目的在于通过改进室内定位算法来提高定位系统的性能。通过研究发现影响基于无线射频识别的室内定位系统定位精度的因素,除了设备本身的精度外,就是电磁信号在室内复杂环境下产生的多径效应,因此如何削弱或消除多径效应就成为本文的重点研究问题。论文通过卡尔曼滤波算法对测量数据进行滤波,削弱复杂环境导致的多径效应及设备精度问题导致的测量误差对定位系统的影响,改进k最近邻算法,避免选用不良标签,并采用移动平均算法对室内定位轨迹进行修正。最后通过实验分析,确定改进定位算法的最优参数,包括读写器数量、参考标签密度以及k最近邻算法中的k值。并针对矿区、医院等场所布置参考标签较为困难的问题,将BP神经网络引入室内定位系统的定位过程中,通过训练学习,在没有参考标签的环境下实现定位测量,不仅减少了设备成本,还方便了系统实现。从仿真实验结果来看,改进后的定位算法在定位性能方面提升较大。并选用CC2430芯片,完成定位系统的设计和搭建,通过系统测试证明了改进后的定位算法和定位系统的定位性能较好,且能满足基本的定位需求。