随着各种新技术和应用的迅速发展,基于位置的服务日益依赖于精确的定位技术。典型的包括全球定位系统(GPS)和北斗导航卫星系统(BDS)等室外定位系统应用于室内环境时,信号容易被障碍物干扰或无法覆盖用户区域,从而导致室内定位误差比较大,无法直接适用于室内定位场景中。相对于已经提出的基于红外、超声波、超宽带、无线局域网(WIFI)等室内定位方法,基于可见光定位通信(VLC)的室内定位技术有绿色环保、频谱资源丰富、通信容量高、安全和成本较低等优点,被广泛认为是未来室内精确定位的主要解决方案之一。论文针对基于可见光通信的室内定位技术,采用理论分析和数值仿真等方法全面研究了其关键技术。论文首先简述了基于可见光通信的定位技术原理,分析了不同传统定位方案的优缺点,重点介绍了机器学习技术在室内精确定位中的应用。针对传统指纹库定位方法存在的定位计算时间较长和计算复杂度较高的缺点,论文提出了一种改进的基于k-means方法的可见光指纹室内定位方法。改进室内定位方法利用定位终端接收到室内不同的光源发出的信号强度信息构建特征,物理坐标作为标签,采用改进的k-means方法建立指纹库;先用三角定位粗略的确定位置,再采用指纹匹配的方法精确定位。仿真结果表明,与传统的基于指纹定位的方法相比,改进的k-means方法在保证定位精度的前提下,移动用户终端的计算效率可以显著提高并降低终端移动设备的能耗。通过改变指纹库数量和调整k的大小可以获得最优的性能。仿真结果表明当k取值为4时,定位精度和定位时间达到了一个平衡。