基于位置指紋算法的Android平臺WiFi定位系統

　　對無線信號的平滑提出如下改進方案：

　　①每隔1 S采集一次所有的信號組，假設其中一組的信號強度值是level，再連續間隔采集二次;

　　②如果連續采集三次的信號強度值均介于[1evel - 1，level+1]時，將該數據插入數據庫，否則舍去前面的所有信號值，重新返回步驟①;

　　③將步驟②獲取的多組無線信號強度值再求均值，存入離線數據庫。

　　利用改進的方案將圖5平滑處理后，改進前的信號強度值RSS=1.597 1，而改進后的RSSI=-46.I47 1，可見本方案能夠去除一定的抖動信號，得到較為理想的離線數據庫。該方法不僅用于離線數據采樣階段，而且應用于在線定位階段實時采集當前無線信號強度，可避免單次采集的不確定性。

　　針對設備差異對無線信號的影響，首先在同一位置用華為兩款不同型號手機對WiFi信號采集300次，無線信號分布情況如圖6所示。C8812型號手機采集信號強度保持在一65～66 dB，P6型號手機信號強度保持在一45dB，不同型號手機可能造成的誤差達2O dB，若按此進行定位將產生較大定位誤差，因此本文將在實時定位之前加上無線信號校正階段，能有效提高定位精度。

　　圖6不同手機無線信號分布圖

　　為解決設備差異對WiFi定位造成的影響，Ekahau提出一種自動校正的方法。它是通過分析跟蹤設備在一些易于檢測的區域時的信號變化，自動學習跟蹤建立相應的映射關系，該方法的缺點是設備不易進入易檢測區，系統很難獲得充足的數據建立映射關系。Haeberlen的研究顯示，校正設備與測試設備之間的信號強度之間存在某種線性關系。本文經過大量實驗，統計獲得數據并通過函數擬合的方法，推導出校正設備及測試設備的關系，可以看作y=ax+b的線性關系，參數a、b將由實際的數據獲得。

　　4實驗結果與分析

　　實驗區域為10 m×16 m，每隔1.5 m設定為一個采樣點，AP分布在該區域的四周如圖7黑色圓點位置，每個采樣點分別采集200次經過平滑處理后存入離線數據庫。為比較定位結果的精確性，選定如下5個點為測試點：A位于出口處附近，B位于區域的中心位置，C、D、E點位于區域的邊界處。

　　圖7采樣分布圖

　　改進前和改進后分別進行4O次測試，實驗結果分析如表1所列。應用改進后的算法各測試點的平均誤差均有所下降，A點位于出口處，可能會受其他因素影響，定位效果不明顯;B、D點，受外界影響較小，定位效果較好，定位精度提高2 m左右。