随着移动互联网的蓬勃发展,人们对于基于位置的服务的需求也不断增加。室内定位技术在医院远程看护、资产管理、工业生产等领域具有广阔的发展空间,因此室内定位技术是近年来研究的重点。在室内定位使用的技术中,蓝牙低功耗技术（Bluetooth Low Energy,BLE）因其低成本、功耗低且定位精度较高的特点成为研究热点。而现有的定位方案难以在定位精度和成本之间取得较好平衡。本文综合考虑定位精度和系统成本,提出基于长短时记忆网络的高精度室内定位方法。设计以BLE的接收信号强度指示（Received Signal Strength Indication,RSSI）为基础的室内定位方案,对现有的指纹定位算法进行改进,然后设计和实现室内定位系统。该系统硬件成本低,且具有较高的定位精度。论文中的主要研究工作包括以下三个方面:首先,通过对系统原理进行分析,设计总体方案。总体结构分为RSSI数据增强算法设计、RSSI滤波算法、室内定位算法设计以及系统实现与测试四个部分。然后设计系统的软件部分,分为手机端和服务器端两部分,主要思路是在计算能力较强的服务器端完成指纹数据库的建立和定位坐标的解算,手机端主要负责RSSI数据的采集和定位结果的显示,服务器端通过无线网络与手机基于TCP/IP协议建立连接。接着对系统中的算法进行设计。首先设计RSSI数据增强算法,在指纹定位算法的离线采样阶段,对采集的真实RSSI数据使用生成式对抗网络来生成RSSI数据,生成的RSSI数据与真实数据分布相似。通过使用生成的数据代替部分真实数据构建指纹库,达到减少指纹数据采集的工作量的目的,方便快速建立离线指纹库。随后设计RSSI滤波算法,研究卡尔曼滤波算法消除环境中噪声对RSSI数据的干扰以构建高可靠性的指纹库,提高后续定位算法的定位精度。然后设计室内定位算法,考虑到循环神经网络适用于处理时间序列数据,可以根据输入非线性地计算输出。提出一种基于长短时记忆网络（Long Short-Term Memory,LSTM）的室内定位方法,利用定位过程中的时域信息提高定位精度。网络由全连接层和LSTM层组成,其输入是RSSI的时间序列,输出是输入序列中最后时刻的位置的估计。通过实际环境中采集的RSSI数据构建的指纹数据库进行网络模型训练后,算法的平均预测精度相比于多层感知机等定位算法有明显提升。最后,完成相关环境的搭建并对系统进行总体实现。在室内环境不同位置对系统进行定位精度测试,结果表明系统的平均定位精度达到1.31m,证明了系统的实用价值。