定位技术作为一项热门研究技术,已经广泛地应用于我们社会的各个领域。我们生活中的汽车导航、GPS定位、地图测绘等等都离不开定位技术,尤其是军事领域和航天领域,定位技术更是重中之重。定位技术的关键是定位的精度和时间。但是随着大数据时代的发展,定位系统面临庞大数据规模、复杂数据结构的双重挑战,定位的时间效率成为了定位系统的瓶颈。所以选择合适的算法来缩短定位花费的时间,调高定位的效率是一项十分重要的研究课题。定位方法实质上可以看做检索方法,检索相似数据的速度决定了定位技术的效率。面对数量大、维度高的数据集合,目前主要的方法是基于空间分割的树类方法和基于映射的哈希类方法。树类方法的核心思想是空间分割,选择不同的维度进行轮流切割,将大空间分成若干小的空间,检索时候只要依据树的形状来找到对应的空间即可。但是面对高维度的数据时候,树类方法也显得力不从心。哈希类方法则是通过哈希函数运算,将数据映射成哈希值存储的过程。这种方法可以无视数据的维度,成功达到了数据降维的作用。但是该方法也存在着数据存储空间过大的缺点。鉴于哈希类方法的时间复杂度上的优异表现,本文方法就在哈希方法上进行了改进,在很大程度上减少了数据占用空间,提高了检索的准确度,节省了检索的时间。本文通过理论证明来保证方法的准确性,并且进行大量的仿真实验来证明局部敏感哈希的改进算法的检索效果。实验结果表明,引入局部敏感哈希方法比起线性扫描方法时间效率上有着极大地提升。新的局部敏感哈希改进方法不仅准确度大大提高了,而且还减少了空间复杂度。因此,本文的新方法在定位系统中取得了很好的效果,为定位技术在大数据潮流中提供了一种技术解决方案。