胡 锐，吴 飞，朱 海，鄢 松，韩学法，金 霄

（上海工程技术大学 电子电气工程学院，上海 201620）

0 引言

随着无线局域网（wireless local area networks,WLAN）、智能终端的高速发展以及惯性传感器的普及，人们对于位置信息的需求正在逐步增加。位置信息的需求推动了基于位置服务（location basedservices, LBS）的高速发展，其中定位技术是LBS的核心。在室外定位中，定位方法相对完善，主要采用全球卫星导航系统（global navigation satellite system, GNSS）进行目标的位置定位和授时，其中GNSS主要包括全球定位系统（global positioning system, GPS）和北斗卫星导航系统（BeiDou navigation satellite system, BDS）。人们日常活动大部分在室内，由于室内 GPS信号弱缺，导致GNSS进行室内定位不现实，因此，人们提出了众多室内定位方法，主要有：基于无线保真信号（wireless fidelity, WiFi），低功耗蓝牙（bluetooth low energy, BLE）、地磁、超宽带（ultra wide band,UWB）等技术[1-3]。

由于WiFi进行室内定位不需要部署设备，因此，近年来许多学者研究利用WiFi进行室内定位，其中对于如何在现有的指纹匹配定位模型上改进，成为研究的热点，考虑到在参考点接收接入点（access point, AP）的接收信号强度（received signal strength, RSS）存在波动和无规律，文献[4]提出建立高斯模型，对RSS的统计特性进行分析，并利用卡尔曼滤波对 RSS信号进行滤波，滤波完成后，结合隐马尔科夫模型对定位轨迹进行纠正，在定位精度上较传统的指纹定位方法要高。文献[5-6]认为，在参考点测量的RSS信号是由多个高斯分布混合而成的，所以提出利用高斯混合模型（Gauss mixture model, GMM）来对RSS进行建模，利用期望最大值（expectation maximization, EM）算法求解模型参数，同时在同一个参考点接收到来自同一个AP的RSS，是由几个高斯混合而成，即对于分模型如何选取，文中采用试错法。……