基于位置指纹算法的Android平台WiFi定位系统

　　对无线信号的平滑提出如下改进方案：

　　①每隔1 S采集一次所有的信号组，假设其中一组的信号强度值是level，再连续间隔采集二次;

　　②如果连续采集三次的信号强度值均介于[1evel - 1，level+1]时，将该数据插入数据库，否则舍去前面的所有信号值，重新返回步骤①;

　　③将步骤②获取的多组无线信号强度值再求均值，存入离线数据库。

　　利用改进的方案将图5平滑处理后，改进前的信号强度值RSS=1.597 1，而改进后的RSSI=-46.I47 1，可见本方案能够去除一定的抖动信号，得到较为理想的离线数据库。该方法不仅用于离线数据采样阶段，而且应用于在线定位阶段实时采集当前无线信号强度，可避免单次采集的不确定性。

　　针对设备差异对无线信号的影响，首先在同一位置用华为两款不同型号手机对WiFi信号采集300次，无线信号分布情况如图6所示。C8812型号手机采集信号强度保持在一65～66 dB，P6型号手机信号强度保持在一45dB，不同型号手机可能造成的误差达2O dB，若按此进行定位将产生较大定位误差，因此本文将在实时定位之前加上无线信号校正阶段，能有效提高定位精度。

　　图6不同手机无线信号分布图

　　为解决设备差异对WiFi定位造成的影响，Ekahau提出一种自动校正的方法。它是通过分析跟踪设备在一些易于检测的区域时的信号变化，自动学习跟踪建立相应的映射关系，该方法的缺点是设备不易进入易检测区，系统很难获得充足的数据建立映射关系。Haeberlen的研究显示，校正设备与测试设备之间的信号强度之间存在某种线性关系。本文经过大量实验，统计获得数据并通过函数拟合的方法，推导出校正设备及测试设备的关系，可以看作y=ax+b的线性关系，参数a、b将由实际的数据获得。

　　4实验结果与分析

　　实验区域为10 m×16 m，每隔1.5 m设定为一个采样点，AP分布在该区域的四周如图7黑色圆点位置，每个采样点分别采集200次经过平滑处理后存入离线数据库。为比较定位结果的精确性，选定如下5个点为测试点：A位于出口处附近，B位于区域的中心位置，C、D、E点位于区域的边界处。

　　图7采样分布图

　　改进前和改进后分别进行4O次测试，实验结果分析如表1所列。应用改进后的算法各测试点的平均误差均有所下降，A点位于出口处，可能会受其他因素影响，定位效果不明显;B、D点，受外界影响较小，定位效果较好，定位精度提高2 m左右。