在很长一段时间以来,定位技术一直是一个热门的研究话题。近年来随着科学技术的发展,室内空间逐步变大,室内物品的种类增多,人们越来越渴望对于室内人或物位置的确定,室内定位的需求逐渐凸显出来。其中基于RSSI(Received Signal Strength Indication)一直是室内定位技术的热门方向。本文首先介绍了室内定位的目的和意义,说明了研究室内定位的重要性和必要性。同时本文通过国内外学者在室内定位技术研究上的发展时间线来介绍基于RSSI值室内定位的发展现状。然后说明了本文的主要内容及组织安排。在传统的基于RSSI测距定位的算法方面,本文针对DV-hop(Distance vector hop,DV-hop)定位精度受节点分布影响,通过改进跳距加权系数来估算当前信标节点的DV-hop平均跳距。针对RSSI测距精度受环境因素影响,则以当前信标节点的平均跳距路损为基准,根据节点间的路损来计算其间距。最后,选择满足跳数阈值条件的信标节点来估算未知节点坐标。在此称改进方法为ADLDV-hop(Average hop Distance’s path Loss DV-hop)算法,结果表明:在相同信标节点数、通信半径及信噪比条件下,该算法定位精度较BRDV-hop(Basic RSSI DV-hop)等改进算法均有一定的提升。计算机技术的发展,使得位置指纹定位得到迅速的发展,针对基于BP(Back Propagation)神经网络的位置指纹定位易陷入局部最小值、定位精度不高、容易引起局部震荡等问题,通过引入基于Tensor Flow框架下的卷积神经网络(Convolutional Neural Networks,CNN),并根据输入数据的特点,提取输入指纹信号的一维卷积特征,再结合Inception结构,扩大神经网络的深度。结果表明:在同一数据集以及相同循环次数下,CNN模型具有更高的定位精度。本文通过对两种不同情况下的基于RSSI值的室内定位算法进行优化,展现了RSSI值对室内定位技术发展的重要意义。