随着国内经济与城乡建设的不断发展,人们的室内活动范围不断扩增,“室内位置服务”的应用需求将呈爆发式增长。在室内环境中,由于多径效应与非视距传输影响,使得GPS信号衰减明显,无法满足室内高精准的定位需求。目前室内定位领域还未出现一个绝对优势的技术,呈现出百家争鸣百花齐放的现象,i Beacon蓝牙技术因其特有的低功耗、低成本、易携带等特点,自提出起便备受关注。本文通过分析国内外室内定位方法,使用指纹定位法进行相关研究,所提K-means指纹优化算法能够有效平衡精确度、稳定性及实时性之间的关系。本文主要完成以下研究与创新内容:(1)研究分析主流的室内定位方法,选用指纹定位法进行相关研究,针对采集数据时周边环境引发的误差问题,通过拉依达准则判断并剔除奇异值,利用卡尔曼滤波有效减缓数据的波动幅度,获得稳健的指纹信息。(2)为获取高效准确的定位结果,需采集高质量高密度的指纹信息;为减少人工采集加大指纹密度,使用反距离加权法进行处理。实验结果表明本方法能有效改善定位精度,能够提高0.5m内的误差概率。大量指纹数据相应会延长匹配运算时间,本文通过K-means聚类算法选取相似度最高的子库再进行匹配运算,保证获得高效精准的定位结果。(3)为解决K-means算法需提前给定聚类数目与随机分配初始聚类中心,以及固定WKNN算法中K值无法灵活应对待测点与邻近点的相对位置关系的问题,本文提出了K-means指纹优化算法,并从理论与实验角度分别论证所提优化算法的合理性与可行性。实验结果表明所提优化算法的欧式距离误差可控精度在2D、3D分别为2.5米和3米,0.5米内概率均可达到50%以上,且运算时间缩短50%以上,能够有效改善指纹定位的精确度、稳定性与实时性。(4)本文依据实际需求,开发出室内定位服务应用软件ILBS。使用MyEclipse2014作为服务器开发平台,进行指纹库的数据插值与聚类处理,将处理结果反馈给客户端,保证客户端能够获取高效稳定的定位结果;利用Android Studio作为客户端开发平台,应用所提K-means指纹优化算法实现室内定位,并完成具体的个人信息、采集数据、物品数据与定位服务功能模块。实验结果表明,本文所提优化算法与所设计ILBS能够达到预期效果。