随着普适计算、无线传感网络以及物联网的迅猛发展,位置服务作为一种新生服务开始进入人们视线,早期的位置服务(Location Based Services,LBS)系统主要是针对室外环境。近年来,随着智慧城市的逐步发展,城市智能化开始崭露头角,其中室内定位的应用已经涉及各个领域。然而,现有的定位技术无法适用于各种复杂的室内环境要求,主要体现在定位精度低、成本过高、系统复杂、自适应能力不强。针对以上提出的问题,本文着手实际实验室环境研究,提出了基于接收信号强度指标RSSI(Received Signal Strength Indication,RSSI)结合模糊理论与自动校准技术的室内定位系统,实验结果表明结合模糊理论与参数化模型的定位系统能够在实际生活中应用。本文主要研究于大规模室内定位场景,采用RSSI的测距定位机制,首先对不同场景下的RSSI信号进行了分布特性分析,在此基础上提出了基于高斯滤波与递归平均滤波结合的数据处理方案;然后提出了模糊理论的粗定位模型,利用读卡器分布将大规模场景进行区域划分,采用三边定位机制,能快速解出粗定位区间;最后对参数化定位模型中的3个主要参数进行分析,提出了自动校参数的精定位模型,能够在不同时间不同场景进行实时参数校准,从而完成高精度高时效的定位。论文主要创新点归纳为以下几点:调查研究了室内RSSI信号,为了解RSSI信号在室内环境的分布特性,在室内环境中从运动中目标(自由行动的个人)、RFID读卡器设备误差以及采样样本数量三个方面进行分析,对比估算距离与真实距离,为设计提高系统性能、增强定位时效的有效模型和数据处理方法提供了实验依据。试验结果表明:通过对RSSI信号的分析,最直观的就是能够在实际数据处理时降低70%的样本数量,减少60%以上的计算开销。基于无线通信中的距离损耗模型,设计了对采集的RSSI粗糙数据的处理方案,提出了基于高斯滤波与递归平均滤波混合滤波来预处理数据。实验证明,与传统的定位技术中的数据处理方案相比,采用此滤波方法可以大幅度地降低距离估算误差,提高定位精准率,在实际的距离误差估算中2m处误差降低至4.24%,3m处误差降低至2.59%。研究了大规模的室内定位场景的难点问题,由于采集的RSSI数据在实际定位环境中波动较大,一步完成精度较高的定位较为困难。因此,本文提出采用三边测量定位机制进行粗定位:一方面利用读卡器分布自身特性将室内环境进行区域划分,另一方面提出采用模糊理论将定位目标与标签卡的距离模糊化为:很近、近、可接受、远、很远,从而确定最优的三个读卡器完成三边测量的粗定位。试验结果表明:任意室内环境都能完成粗定位,粗定位精度在10m以内的情况达到95%以上,精度在2m以内的情况约为23%。研究了大规模室内定位场景的参数化模型,从而实现不同时间不同场景的高精度定位。本文从个体运动的自然人进行实际定位分析,对参数化定位模型的三个主要参数:功率差、距离损耗因子、墙壁影响因子进行分析,提出了全自动校准参数的定位算法。实验表明,本文提出的自动校准定位算法与传统的定位算法相比,采用参数自动校准算法在100%情况下,定位误差小于50cm,70%情况下定位误差小于25cm,80%以上情况误差范围在30cm以内。综上所述,本文设计的室内定位系统具有一定的普适性和研究意义,能够适应于未来室内定位系统的发展。