目前,随着互联网技术和智能移动设备的快速发展以及低功耗蓝牙的出现,基于蓝牙的室内定位技术受到越来越多学术界以及相关行业的关注。蓝牙位置指纹室内定位方法虽然在近几年不断改进而日趋完善,但仍存在着一些问题需要解决:实际环境下,接收信号强度指示（Received Signal Strength Indication,RSSI）并不完全服从正态分布,使用常规滤波方法得到的RSSI指纹质量较低;加权K邻近法（Weight K-Nearest Neighborhood,WKNN）在邻近参考点选择上存在缺陷,导致定位精度不高。针对上述问题,本文设计了一种基于距离指纹的位置指纹定位方法。本文首先通过分析室内RSSI信号分布与RSSI时域变化特征,设计了一种基于RSSI序列和BP神经网络的测距模型。然后,根据测距模型完成RSSI指纹到距离指纹的转换,并建立距离指纹库用于指纹匹配。最后,在指纹匹配算法部分,本文提出了定位区域选择算法和自适应K值算法以对WKNN算法进行改进。通过缩小参考点搜索空间和动态改变K值来剔除对定位存在干扰的参考点,进一步提升定位精度。实验结果表明,在测距精度和对RSSI与距离关系的拟合程度上,本文设计的测距模型均优于传统测距模型;本文的基于距离指纹的室内定位算法的平均定位误差为0.86m,同传统位置指纹定位方法相比,定位精度提升了33.29%。