刘 影 贾 迪 王和章

(辽宁工程技术大学电子与信息工程学院，辽宁葫芦岛 125105)

1 引言

随着移动互联网和智能终端的蓬勃发展，位置信息服务已受到研究人员广泛关注。尽管传统的GPS(global positioning system)定位和蜂窝定位技术在室外开阔环境中能达到较高的定位精度，但在室内和恶劣环境下无法进行有效定位，随着Wi-Fi网络的普及和高速发展，利用无线Wi-Fi实现室内定位已成为研究热点[1-3]。其中，基于位置指纹的Wi-Fi定位被广泛研究。

位置指纹算法[4-5]是一种两个阶段的定位算法，可分为训练阶段(离线)和定位阶段(在线)。离线阶段主要为数据采集阶段，在定位区域内选择一些位置点作为采样点，从附近的AP获取RSSI (received signal strength indication)形成指纹，并创建位置指纹库，其中每个指纹都对应于唯一位置。在线阶段为实时定位阶段，需要待测目标测量的指纹与指纹库中的指纹进行匹配，从而估计出待测目标对应的位置信息。在以往的众多研究中，提出了许多基于统计学习的方法，如聚类、贝叶斯、核函数等位置预测方法，用来提高位置指纹的准确性及接入点(Access Point，AP)的选择。例如，Wei Zhang[6]等人针对AP的选择问题，给出了一种基于WKNN和朴素贝叶斯域聚类室内位置估计策略，有效的解决了AP的可靠性问题。李华亮[7]等人提出一种基于核的数据处理方法训练位置指纹数据，将位置指纹映射到高维空间进行分析，挖掘出更多位置指纹特性。田洪亮[8]等人采用K-Means聚类算法对位置指纹进行聚类，以减少在线阶段指纹的匹配次数。……