随着我国城市建设的飞速发展，我国大型公共建筑日益增多，随之而来的大型建筑物室内的人员定位问题也受到更加密切的关注。而这一现状给无线传感器网络技术在室内环境的应用带来了很大的需求。对无线传感器网络技术在室内的研究中，基础的研究部分是节点自身的定位技术。由于室内环境的特殊性，室外环境的定位技术并不适用于室内环境，因此本课题采用基于RSSI的无线传感器网络室内定位技术，研究适用于室内复杂环境的自适应节点定位模型，并实现一种实用的室内定位系统。本课题研究的具体内容摘要如下：1）针对室内办公环境的复杂性，提出了从距离误差源头减小定位误差的思想。具体分析了室内定位特点；已有无线信号传播模型的不足以及影响节点之间通信的信号强度值（RSSI）的主要因素。2）结合学习训练的思想构建节点之间通信的RSSI值与其距离D的自适应距离模型，提出了三层结构的无线传感器网络室内定位模型。该模型分为三层，第一层是采用高斯滤波模型对节点之间的RSSI值进行筛选，保证初始RSSI值的有效性；第二层是基于BP神经网络的RSSI-D自适应距离模型，该模型的输入是第一层高斯滤波后的节点之间的RSSI值的矩阵，输出是节点之间的距离D矩阵，该模型通过对样本数据采用弹性梯度下降法学习来达到自适应的效果；第三层是对节点定位坐标的求精，采用扩展卡尔曼滤波算法进行坐标循环求精。该模型在现有的室内无线信号传播模型的基础上提高了节点之间根据RSSI所测量的距离的精度，并对不同的室内环境表现出其自适应性。