吴树坤，王新珩，董育宁

(1.南京邮电大学 通信与信息工程学院，江苏 南京 210003;2.西苏格兰大学 工程和计算机学院，苏格兰 佩斯利 UKPA12TR)

0 引 言

近些年，随着智能手机的广泛应用和室内环境的复杂化，国内外许多研究机构开始着力于研究室内定位导航技术。目前主要的室内定位技术主要有：Wi-Fi定位、磁场定位、超声波定位、蓝牙定位、红外线定位以及射频识别定位等[1]。其中，随着日益增长的大众移动设备上网需要和公共场所Wi-Fi节点铺设的不断成熟，丰富的Wi-Fi信号资源为室内定位提供了很好的基础。

如文献[2-3]所述，Wi-Fi定位一般通过指纹库的方法实现，这种方法一般需要两个阶段。第一阶段需要建立指纹数据库。对于Wi-Fi定位，需要通过手机或其他电子设备在定位区域收集相关点及其对应的Wi-Fi信号强度，并根据其对应关系储存在数据库中。而第二阶段，则是在区域内收集相关信息，在已建立数据库的基础上，通过相关信息与数据库中的数据进行比对，实现位置估计。而关于比对过程，目前主要有两种计算方式。一种是利用K最邻近算法，其核心思想是如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特性。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本所属的类别。该算法在类别决策时，只与极少量的相邻样本有关。所以，当样本不平衡时，如一个类的样本容量很大，而其他类样本容量很小时，有可能导致当输入一个新样本时，该样本的K个邻居中大容量类的样本占多数，从而使定位产生误差。……