宋宛真，冯秀芳

(1.太原理工大学 信息与计算机学院，山西 晋中 030600；2.太原理工大学 软件学院，山西 晋中 030600)

0 引 言

随着无线设备的全面覆盖以及移动终端设备的广泛应用，基于Wi-Fi的接收信号强度指示(received signal strength indication，RSSI)指纹室内定位技术成为室内定位的主流方法之一。该技术不需要额外的硬件设备，且适用性高。但由于室内环境的复杂多变及室内人员流动等造成的多径效应、数据的时效性、天线增益等问题，使测量的数据存在很大误差。文献[1]将指纹动态采集与径向基函数(radial basis function，RBF)相结合，采用遗传算法对自由形状参数进行优化。文献[2]根据信号的邻近信息对区域进行分类，限制搜索范围；文献[3]利用人工免疫系统对RBF神经网络的中心向量选择进行优化。文献[4]通过优化粒子群算法，进一步优化RBF神经网络的输出向量。文献[5]结合TOA和RBF神经网络训练距离测量，输出距离误差。文献[6]对AP算法p进行改进。文献[7]结合AP算法与统计学进行定位，降低了人工选择中初始聚类中心不当的概率。文献[8]通过动态调整AP算法中的相似度，避免了其陷入震荡。文献[9]提出了一种基于改进的快速聚类算法LM算法相结合的室内定位算法，降低了RBF神经网络的错误率。综上所述，AP算法中p以及阻尼因子λ的确定、室内定位中定位精度问题仍是重点研究课题，本文提出一种加权仿射传播算法(weighted affine propagation，WAP)与广义RBF神经网络相结合的室内定位方法(weighted affine propagation indoor position，WAP_IP)，构建指纹数据库时对RSSI值进行处理，并通过广义RBF神经网络进行误差修正，提高定位精度。……