基于位置指纹算法的Android平台WiFi定位系统

　　3.1位置指纹定位算法

　　位置指纹定位是根据不同位置接收到的信号强度向量，建立相应的位置指纹数据库，通过实时采集的信号强度与数据库信号空间中储存的信号向量，根据一定的匹配算法实现定位。该算法能够在一定程度上减少多径效应的影响，增强抗干扰能力。目前，基于位置指纹的定位算法主要分为确定型和概率型，前者的计算效率较高，后者的定位精度较高，但是计算量较大，为了快速定位，采用确定型的位置指纹定位算法。

　　位置指纹定位过程一般分两个阶段实现：离线采样阶段和在线定位阶段。离线采样阶段主要目的是建立位置指纹数据库，根据定位环境设计较为合理的采样分布图，遍历待定位区域内的所有采样点，将相应的信号强度、MAC地址以及位置信息等记录在指纹数据库中。数据库中数据的准确性决定了定位的精确程度，数据越精确，定位效果越好。在线定位阶段是利用Android手机在待定位点测得AP的信号强度和物理地址，然后通过相应的匹配算法，在数据库中搜索与测量点相匹配的数据，从而估计用户的实际位置。位置指纹的定位过程如图4所示。

　　图4定位框图

　　3.2匹配算法

　　通常的匹配算法有K最近邻匹配算法(KNN)，该算法能够有效提高定位精度且应用成熟。本文采用了该匹配算法，K最近邻匹配算法的实质是计算待测点采集到的RSS向量和数据库中已记录的RSS向量之间的距离。假设待测区域有n个AP，m个参考点，则距离的表达式如下：

　　其中，q为正整数，当q=1时称为曼哈顿距离，q=2，称为欧式距离;L代表向量在空间中的距离。本文使用q=2进行计算，当取得n个最小欧式距离的位置点后，求取n个坐标点的质心为待测点位置坐标。

　　3.3改进的位置指纹定位算法

　　理论研究表明：由于室内环境复杂，无线信号会因为时间的变化、人体的随机晃动及环境等因素的影响使信号强度值呈现一定的波动。为了保证信号数据本身的稳定性，在实验室环境下进行如下实验：在同一位置的不同时间分别采集数据，上午和下午两个时间段每隔1 S共采集300次WiFi信号。发现无线信号随时间变化不大，基本存在2 dB左右误差，对定位结果影响较小。

　　但在多次测试过程中发现，无线信号强度在某位置下会出现如图5所示的波动情况，多数信号强度值保持在一定范围内，但中间会存在抖动的数据，该种现象会对离线数据的准确性及在线定位的准确性产生较大影响。直接求均值的方式并不能表征该位置的信号特征，应该对采集的无线信号强度值进行平滑，选取有效点。

　　图5无线信号分布图