阅读了本发明讲授的内容之后，本领域技术人 员可w对本发明作各种改动或修改，该些等价形式同样落于本申请所附权利要求书所限定 的范围。
[0039] 本发明的实施方式设及一种高健壮性和精度的=角形质屯、定位方法，包括W下步 骤：
[0040] (1)捜索用于定位的S个WiFi基站，得到S个基站的RSSI值；
[0041] (2)利用均值平滑法，平滑采集到的RSSI值；
[0042]信号在传输过程中，接收信号强度随传输距离的增加而衰减。接收到的无线信号 强度与信号传输距离的关系如公式1所示
[0043] d = 10。（（ABS巧SSI)-A)/(10*n)) (1)
[0044] 其中A为Im时接收到的信号能量平均的绝对值，n为信号能量衰减系数。
[0045] 理想情况下，接收到的信号强度RSSI值会随着传播距离的增加作规律性递减，但 是在实际应用中，无线信号在传播过程中受到环境因素的影响，如室内信号的多径、反射、 墙壁及口的吸收等，致使信号产生不一致的衰减关系，从而造成接收到的RSSI值波动较 大。如图6所示，RSSI与d的实际函数曲线与理论曲线的差别很大。因此需要采取一些有 效可行的措施来最大程度地降低RSSI值的波动，W减小定位误差，提高定位精度。
[0046] 对于离基站相同距离的点，在不同的时间段、不同的持手机方向W及中间相隔不 同的障碍物时，接收到的RSSI值都有所差异，甚至有时差异很大。因此，不能仅仅W-次的 RSSI测量值为标准，作为某一距离下所对应的RSSI值，该样造成的定位误差会很大，此时 应该采用多次测量的方法，在离基站相同距离的点，进行大量的实验采集数据，然后对采集 到的数据进行平滑，W提高定位精度。信号平滑的方法有很多，例如均值法、中值法、众数法 等。其中应用最广泛的是均值平滑法。
[0047] 均值平滑法预先设定一个标准差阔值Xd，对同一距离下采集到的多个数据计算其 标准差Sd，Sd越大，证明RSSI值的波动越明显，即受环境的干扰越大，若将此时的数据取均 值作为该距离处的RSSI值，误差会很大。均值平滑法，首先将数据分成两部分，如公式2和 公式3所示，Si表示小于所有数据均值SW的那部分数据的均值，S2表示大于所有数据均值 Sw的那部分数据的均值；其次，用a来衡量S1和S2在接收到的信号强度中所占的比重，如 公式5所示，在Sd〉Xd时，S1占较大比重，即信号较强部分的数据在定位结果中占较大比重， 反之则占较小比重；最后，利用公式4可W计算出距离基站某一距离处的RSSI标准值，该值 由Si和S2按照不同比重来计算，在信号较强处Si占较大比重，在信号较弱处S2占较大比 重，因此该方法可W有效地减小RSSI值的波动。
[0050] 经过均值平滑法处理后的RSSI值为：
[0051]RSSI= (1-a)巧i+a*S2(4)
[0052]其中；
[0053]
[0054] 0<a<l (5)
[0055] 在实验数据采集时，实验地点是东华大学2号宿舍楼内部，实验设备选择无线路 由器作为定位基站，在距离基站1~20米的范围内进行数据采集，采集间隔为1米。并且 每米处的RSSI测量值要全面考虑各种情况下的取值，因此本实施方式主要选择在W下四 种情况下测量RSSI值；空旷的走廊里、封闭的房间内部、阻隔一堵墙和阻隔两堵墙。平均每 米处的数据采集量为15个。
[0056] 将每米处采集到的数据按照上述的均值平滑法进行平滑（其中阔值Xd= 5)，即可 得到平滑后1~20米范围内信号传输距离d与信号强度RSSI的对应值。并用matl油画 出了理论曲线与均值平滑后曲线的对比图，如图7所示。
[0057] 将图7和图6进行比较，可W看到经过均值平滑法处理后，RSSI值的波动明显减 小了，并且均值平滑后的曲线向理论曲线靠近了，即平滑后精度明显提高了。但是观察图7， 可W看到信号传输距离在10~20米该段范围内所对应的信号强度RSSI值与理论值仍然 误差较大，该是由于随着传输距离的延长，环境因素的影响逐渐增大，导致RSSI的测量值 与理论值偏差较大。为了在传输距离较长时最大程度地降低环境因素的干扰，本发明在均 值平滑法的基础上，引入环境因素巧nviro皿ental化ctor)，简称EF，并提出一种环境因素 补偿算法用于进一步提高定位精度。
[005引（3)将平滑后的RSSI值带入拟合得到的多项式，得到环境因素补偿因子EF;
[0059] 由于在室内定位中，通常因为室内环境因素的干扰（例如信号的多径、反射、墙壁 及口的吸收等），导致定位精度较低，并且环境因素对定位精度产生的影响随着信号传输距 离的延长而逐渐增大。由此可见，为了减小定位误差，一方面如上一节所述，用均值平滑法 对RSSI值进行平滑，W减小RSSI值的波动；另一方面，需要将环境因素考虑到距离计算公 式中，本发明提出一种环境因素补偿算法，进一步减小环境因素的干扰。
[0060] 本发明在传统的距离计算公式基础上提出一种环境因素补偿算法。传统的距离计 算公式如式6所示，
[0061]d=1〇-((ABS巧SS〇-A)/(10*n)) (6)
[0062]RSSI为未知点处接收到的WiFi信号强度值，通过公式7可W得到未知点到WiFi 基站的距离。其中A为Im时接收到的信号能量平均的绝对值，n为信号能量衰减系数，不 同情况下的n取值如表1所示。
[0063] 公式6是理想的距离公式，定位精度不高。本发明提出一种环境因素补偿算法，如 公式7所示。该算法将环境因素造成的距离偏差通过算法上的补偿，使计算得到的结果与 实际距离更接近。
[0064] d= 10。（(ABS巧SSI) +EF-A)/(10袖）） (7)
[0065] 根据多次实验可得A= 47地m;在室内，n取3 ;RSSI为均值平滑后的取值； EF巧nvironmentFactor)为环境因素补偿因子，与RSSI值近似成某种特定的函数关系，即 EF=f脱SI)。将公式7变形为公式8,即可得到EF的计算公式。
[0066] EF = 10*n*Logi〇d+A_ABS (RSSI) (8)
[0067] 其中，n、A已知；d的取值范围为距离基站1~20米，取值间隔为1米；RSSI为上 一节中平滑后与距离d相对应的RSSI值。通过公式8可W得到20组巧SSI，E巧的离散数 据，再通过matl油进行数据拟合，即可得到EF和RSSI的函数关系EF=f巧SSI)。
[0068]matl油的数据拟合功能可朗尋离散数据的变化规律清晰地体现出来，其中最小二 乘法中的多项式拟合是数据拟合中最常用到的方法。经过实验发现，一般在数据拟合中，较 高的拟合阶次可W在曲线上得到距离离散数据非常近的点，但是较高的拟合阶次会带来两 个弊端：第一，阶次越高计算量就越大；第二，即使单个的点拟合效果很好，也有可能整个 函数误差很大。
[0069] 在本发明的数据拟合中，根据20组巧SSI，E巧的离散数据，分别进行了多项式二 阶拟合和=阶拟合。结果发现虽然=阶拟合的曲线在各个离散点上可W得到十分精确的拟 合点，但是将离散数据带入拟合得到的多项式，计算出来的误差非常大，即不能反映数据隐 含的规律。而二阶拟合得到的曲线能够满足大多数离散点，且拟合得到的多项式误差很小， 可W反映数据隐含的规律。因此，本课题选用二阶多项式拟合，拟合曲线如图8所示：
[0070] 由图8可看出，曲线拟合效果较好，拟合的曲线可W在多数离散点上得到较为精 确的拟合点。此时，拟合得到的多项式如公式9所示：
[0071]EF= -0. 0013*RSSI'2-0. 1685*RSSI-8. 4759 (9)
[0072] (4)将环境因素补偿因子EF代入距离计算公式；d= 10'（(ABS巧SSI)+邸-A)/ (1〇袖)），其中，A为Im时接收到的信号能量平均的绝对值，n为信号能量衰减系数；RSSI为 均值平滑后的取值，得到定位点到S个基站的距离di，d2和d3;
[0073] 由于在室内定位中，通常因为室内环境因素的干扰（例如信号的多径、反射、墙壁 及口的吸收等），导致定位精度较低，并且环境