可见光室内定位技术是一种新型的室内定位技术,它将照明与无线定位有机融合,相较于传统的室内无线定位技术,具有巨大的发展前景。然而现有的可见光室内定位技术难以克服背景噪声和室内反射噪声的干扰,导致系统定位精度降低。本文针对传统基于接收信号强度（Received Signal Strength,RSS）的可见光室内定位系统易受背景噪声和室内反射噪声干扰的问题,将BP神经网络（Back Propagation Neural Networks,BPNN）引入基于RSS的定位方法,提出了一种将神经网络与RSS相结合的可见光无线室内定位模型。首先,搭建可见光室内立体定位系统模型,为进一步减少光信道漫反射对定位精度的影响,建立了包含直射视距链路（Line of Sight,LOS）与一阶反射链路的信道数学模型。其次,在确定LED光源布局模型之后,结合LED信道漫反射模型,在不同高度的接收平面进行网格标定。在不同平面的不同位置,采集各个网格中心点处不同LED的光照强度,将采集到的数据分类处理后,分别创建可见光信号训练数据集与测试数据集。最后,设计基于BP神经网络与RSS融合的室内定位误差模型算法,并进行数据训练与预测,得到预测的接收机所在位置坐标与不同LED光源的位置坐标距离的空间向量,用于待测目标位置的粗定位,通过基于定位方差与欧氏距离相结合的定位误差约束模型,逐步确定待测目标的具体位置。本文对算法的理论有效性及定位的可靠性,分别进行模拟定位实验与实测定位实验。在模拟定位测试过程中,本文以长4米,宽4米,高3米的立体空间为模型,分别在三个高度平面进行仿真实验,从定位实验数据可知,定位平均误差1.67厘米。实测定位阶段,在长宽高各为0.8米的立体空间中搭建了实验平台,进行多次定位测试实验,得到平均定位误差为3.65厘米。