随着无线传感器网络技术和移动互联网的快速发展,带动了室内定位技术的发展,基于位置的服务在位置信息方面带给了我们非常大的便捷。无线传感器网络作为科研方向之一也越来越受到人们的关注,室内定位技术进入到人类生活的各个方面。然而,室内定位技术由于信号在传播过程中会受到室内环境等因素影响,导致定位精度较低,不能满足人们对高精度、低功耗的定位技术需求。因此,本文将对信标节点的部署方式和室内定位算法两个方面进行优化和探索,以提高室内定位技术的准确性。ZigBee技术在室内定位中具有低功耗、低成本等优势,受到许多研究人员的关注和使用。为了提高ZigBee定位技术接收信号强度指示（RSSI）在采集过程中的准确性和优化传感器节点的部署方式,提出了一种无线传感器网络旋转圆弧三角形节点定位布局模型。该节点定位布局模型在RSSI信号的最佳通信范围内适应不同场景的需求,并且通过对信标节点不同角度的旋转达到多次定位,可有效提高定位的效果。采用旋转圆弧三角形布局,信标节点布置的整个空间都处于最佳通信距离内,每个未知节点与其最近的三个信标节点均不超过最佳通信距离,减小采集RSSI信号值的误差,从而达到提高定位精度、优化节点和减小采集工作量的作用,最终提高了定位的性能。通过实际场景的定位实验表明:旋转圆弧三角形节点定位布局可以提高定位精度、减小RSSI值的测量误差,对室内定位性能有所改善。为了提高定位算法对位置识别的准确性,本文提出了SAGA-BP室内定位算法。该算法基本原理是遗传算法（GA）中加入模拟退火算法（SA）机制,以优化BP神经网络算法的初始权值和初始阈值,提高定位准确性。SAGA-BP室内定位算法主要分为离线阶段和在线阶段两个步骤。离线阶段:按照旋转圆弧三角形布局部署信标节点和相隔一定距离的若干参考节点,通过上位机采集接收信号强度指示建立离线指纹数据库。在线阶段:采用卡尔曼滤波器对采集的接收信号强度指示进行滤波处理,然后将数据库中参考节点的RSSI值通过SAGA-BP定位算法训练,训练后更新神经网络的初始权值W和阈值b,以全局最优的权值W和阈值b建立SAGA-BP室内定位训练模型。通过实际场景的定位实验表明:本文提出的SAGA-BP定位算法极大的提高了室内定位的定位精度。总的来说,本文提出的旋转圆弧三角形节点布局模型和SAGA-BP室内定位算法对提高定位精度有着良好的效果,其定位能力增强,定位误差减小,对室内定位技术有着一定的借鉴作用。