位置服务(Location-based Services,LBS)改变了人们的出行方式并衍生了很多基于位置服务的应用如定位技术、导航技术等。定位技术不仅便利、丰富了人们的日常生活,而且具有较高的学术研究价值。随着技术的发展,人们对基于位置服务的要求也不断提高,定位技术成为人们研究的热点技术。GPS和北斗定位系统的应用使室外定位技术变得成熟可靠,由于室内环境中卫星通信信号容易被建筑物遮挡,导致室外定位技术无法在室内使用。目前,常用的室内定位技术主要有红外线定位技术、超声波定位技术、射频识别定位技术、蓝牙定位技术、超宽带定位技术、WIFI定位技术和ZigBee定位技术。由于这些定位技术存在难部署、成本高、不易维护、定位准确率较低等问题,无法实现商业应用为日常生活提供便利。本文对室内定位技术、算法及相关研究进行整理,总结了现有室内定位技术的优缺点,并提出了一种基于神经网络的室内定位方法,通过实验采集走廊定位节点和测试节点的CSI信息,利用深度学习神经网络对室内位置进行分类、预测的方法实现室内位置计算。本文的具体研究内容和展开工作如下:(1)总结了目前国内外较为成熟的室内定位系统及常用的室内定位技术,并对室内定位技术进行对比,然后介绍了室内定位理论以及常用的定位算法,对深度学习常用的神经网络进行阐述。(2)提出了本文室内定位系统中采用的卷积神经网络、长短期记忆神经网络和门控循环单元的网络结构。(3)搭建了室内定位实验平台并介绍了数据处理方法,通过设计三种神经网络对实验数据特征进行学习和网络参数训练实现定位节点的位置分类并将测试节点位置进行预测,根据预测结果通过计算获得室内定位的误差,最终实现了精度为0.96m的室内定位。