白光LED具有发光效率高、使用寿命长以及响应速度快等优点,被认为是新一代的绿色照明技术。利用LED实现的可见光通信(Visible light communication,VLC)技术具有安装成本低、不受电磁干扰、安全性和保密性高等优点,迅速成为无线通信领域中的一个研究热点,并且,基于VLC的室内定位技术也相应地得到了广泛的研究。本文首先对常用的室内可见光定位算法基本原理进行了分析,包括接收信号强度(Received signal strength,RSS)、到达时间(Time of arrival,TOA)、到达时间差(Time difference of arrival,TDOA)及到达角度(Angle of arrival,AOA)等。针对现有方法存在的不足,分别从以下几个方面提出了相应地改进方法和措施,有效地改善了室内定位算法的定位精度。针对现有传统定位算法精度不高的问题,通过引入卡尔曼滤波的思想,给出了基于卡尔曼滤波的RSS和TDOA两种VLC定位方法。该方法将传统定位算法获得的位置估计作为卡尔曼滤波的初始值,对定位结果进行二次估计,从而可有效地提高定位精度。针对RSS算法稳定性差、定位精度低等问题,提出了 RSS/AOA混合的室内定位方法和距离迭代加权的改进定位方法。混合定位方法利用RSS信号传输模型及定位空间几何关系获得距离估计和角度信息,构建混合定位目标函数,采用广义信赖域子问题(Generalized trust region sub-problem,GTRS)方法求解定位节点位置坐标。距离迭代加权的改进定位方法根据可见光传输距离短定位精度高的特性对估计距离进行加权处理,有效地解决了估计距离误差大导致定位精度低的问题,提高了室内定位精度。针对TDOA算法误差大、不收敛等问题,提出了基于TDOA/AOA混合的室内定位方法。该方法利用定位节点到两个LED的距离估计之差和角度信息构建混合定位目标函数,采用二阶锥规划(Second order cone programming,SOCP)方法求解定位节点的位置坐标。通过引入惩罚项,解决了 SOCP无法对凸包外的目标进行有效定位的问题。该方法不仅有效地改善了定位性能,还提高了定位系统的鲁棒性。针对传统指纹定位算法受环境因素影响定位精度低的问题,提出了基于神经网络的指纹定位方法。该方法将神经网络和指纹定位相结合,根据RSS信号传输模型及定位空间几何关系获取RSS及AOA信息构建指纹数据库,利用指纹数据对神经网络模型进行训练,获得指纹数据与位置坐标之间的关系,实现定位。该方法利用两种信号特性作为指纹数据,解决了指纹定位算法精度低的问题。