技术领域本发明主要涉及无线传感器网络室内定位领域，涉及基于Kriging的WSN多维度指纹向量定位方法。
背景技术：
大多数定位系统都采用GPS获取位置，使用的是交互定位的原理，随时间变化而变化，这种定位成本高，而且在室内环境中GPS定位根本不能满足精度要求。目前人们对室内定位方法的需求日益增大，如仓库、超市、矿井、商场中都需要知道具体的位置，但在室内定位领域中，由于室内环境的复杂性和不可控性，因此很多室内定位技术都有特定的应用场景。目前国内外无线传感器网络室内定位技术取得了显著的成果,如Ma,YW等人研发的新颖指纹机制(NFM)室内定位系统，使用接收器和发射器获取定位数据，并采用六个定位机制来提高定位精度。Laoudias等人研发的基于指纹匹配方法的Airplace室内定位系统。Modamed等人使用陀螺仪与指纹匹配算法相结合的室内定位方法,对定位结果加以改进,但单陀螺仪的定向方法具有较大的局限性。Li提出利用众包更新指纹库的定位方法，但需定期对过期指纹进行筛减。Wang等人针对室内定位接收功率干扰导致估计位置精度偏低的问题，提出了采用马儿可夫蒙特卡洛(MCMC)抽样来提高定位精度的室内定位算法。Gao等人提出了一种结合模糊数学逻辑(FuzzyLogic)理论的WiFi定位算法，但手持设备接收信号波动性较大影响定位精度。Chen等人结合地理编码原理和二维码技术提出了QR(QuickResponse)标识导向的室内定位方法。在无线传感器网络室内定位领域中，传统的指纹定位算法在建立指纹过程中工作量较大，需要对测量点逐个进行RSSI值测量；而且传统的指纹定位法一旦室内环境发生变化，就需要重新构建指纹，但是它的指纹构建是一个繁琐且复杂的过程。
技术实现要素：
本发明要解决现有技术的上述缺点，提出一种基于Kriging的WSN多维度向量指纹定位方法，该方法通过测量少量已知位置的RSSI值并利用Kriging插值算法构建定位区域指纹，有效地解决了室内环境发生变化而导致繁琐的指纹重构问题。本发明所述的基于Kriging的WSN多维度向量指纹定位方法，包括如下步骤：步骤1，高斯滤波；步骤11，以已知位置待处理的RSSI(接收信号强度)值为输入，由于存在多径效应的RSSI值服从正态分布，而高斯分布对于处理满足正态分布的噪声非常有效，因此满足公式式(1)中x表示传感器获取的RSSI值，μ表示传感器获取到RSSI值的平均数，σ表示传感器获取的RSSI值的标准差；步骤12，正常的RSSI值发生在高概率区域[μ-0.6σ,μ+0.6σ],所以把高概率区域的RSSI平均值取出，这个过程就把异常值过滤掉；步骤2，自适应Kriging插值算法；步骤21，以步骤12获取的RSSI值为输入，使用自适应Kriging插值算法对定位区域内的未知位置点的RSSI值进行最优、无偏、线性估计，具体步骤包括为：步骤211，使用Kriging插值算法找到样本点之间的依存规则，首先利用配对关系Pair(d,RSSI)(d表示两个传感器节点间的距离，RSSI表示传感器节点所获取的RSSI值)和经验半变异函数进行空间建模，然后采用最小二乘法进行拟合得到经验半变异模型，最后选择一个理想且误差最小的模型，经验半变异函数如下所示式(2)中n表示关系对Pairi的数量，z(xi)和z(xi+h)分别表示配对的两个节点对应的RSSI值，且节点间距离为h，r(h)表示半变异函数值；步骤212，以步骤211获得的经验半变异模型为输入，对未知位置点的RSSI值进行预测，预测过程如下公式所示式(3)中Z0表示待估计位置的RSSI值，s表示预测过程所需要的样本数(本方法中s＝4)，Zx表示样本传感器上所获取的RSSI值，Wx表示所需样本对应的权重系数，具体的权重系数Wx(x∈{1,2,3,4