技术领域本发明属于无线通信技术领域，更进一步涉及一种室内定位方法，可用于有Wi-Fi信号覆盖的室内环境，完成当前位置信息的确认。
背景技术：
当前，随着无线网络的发展和无线局域网的广泛部署，基于Wi-Fi的室内定位技术受到广泛重视。在覆盖Wi-Fi网络的室内环境下，通过测量来自接入点APs的接收信号强度RSS，结合采集好的信号强度数据库求解，确定移动用户的位置。这种基于位置指纹的定位算法因其定位精度高、可充分利用现有设施、升级和维护对用户影响小等优点而得到广泛应用。为了提高定位精度和效率，需要对采集的指纹数据进行预处理。现阶段对数据的处理多是停留在在聚类阶段，例如基于行人航位推算算法或惯性导航算法的室内定位方法。参照文献ExtendedKalmanFilterforRealTimeIndoorLocalizationbyFusingWiFiandSmartphoneInertialSensors，ZADeng，YHu，JYu，ZNa，主要利用手机的陀螺仪和加速度计，通过脚步检测和行进方向估计来估计相对位移，如果用户初始位置已知，便可以估计出移动短距离后的绝对位置，但是随着移动距离增大，漂移误差会积累，特别是当手机使用廉价的噪声大的传感器时，这种现象会更加严重；还有经典的基于K-means聚类算法室内定位方法，K-means聚类算法思想是：确定所要聚类的准确数K，并随机选择K个对象，每个代表一个子类的均值或中心，对剩余的每个对象，根据其与各子类中心的距离将其划分到距离最短的子类中，其缺点是聚类过程只考虑欧式距离没有经考虑到所选取的参考点的信号强度信息，从而导致定位阶段依据信号强度定位时出现较大偏差。以上方法在定位过程中均忽略了对参考点本身引起聚类效果偏差、定位精度下降的情况和定位阶段选取的参考点存在与整体不吻合情况的处理。由于受到信号接入点分布、建筑结构等外界因素的影响会导致一些参考点不能提供有用的基础信息，这种情况下若不将这些参考点去除，定位过程选取到这些参考点时会直接导致定位精度下降，所以需要对参考点形成的基础数据库做误差分进行数据库校正。
技术实现要素：
本发明的目的在于针对上述已有技术的不足，提出一种基于指纹数据库二次校正的室内定位方法，以提高室内定位的精度。实现本发明目的地技术思路是：一是通过对指纹数据库二次校正，对参考点进行有效的处理，去除一些引起误差偏大的点，以减小定位误差，提高定位精度；二是定位阶段选定簇内参考点时，去除和整体不吻合的点，进一步提升定位精度。其实现方案包括如下：(1)采集数据建立基础指纹数据库：(1a)选择一个布设有Wi-Fi接入点APs的区域，在此区域内选择N个参考点RPs，并测量这N个参考点在东西南北四个方向上接收的来自周围接入点的接收信号强度，存到基础数据库X(σ)中；(1b)按照接收信号强度和地理位置信息对所有参考点RPs，采用仿射传播算法AP对基础数据库X(σ)进行第一次聚类，并对聚类结果进行储存，完成指纹数据库Y(σ)的构建；(2)对指纹数据库Y(σ)进行更新：(2a)在(1a)中布设有Wi-Fi接入点APs的区域随机选取K个点，作为已知的定位测试点进行仿真，得到每个点的平均定位误差将该dir与设置的最大误差门限δ进行比较，找出引起误差偏大的参考点并将其去除后保存，得到更新后的基础数据库(2b)对更新后的基础数据库进行第二次聚类，并对聚类结果进行储存，完成指纹数据库Yr(σ)的更新；(3)对待定点进行实时定位：(3a)在待定位点测得来自周围L个接入点APs的接收信号强度向量χr：χr＝[χ1,r,...,χk,r,...,χL,r]T，其中，χk,r是移动设备在任意一个方向上采集的来自第k个接入点APs的数据，k＝1,2,...,L；(3b)粗定位：求出待定位点的接收信号强度向量χr与指纹数据库中各个簇的聚类中心的接收信号强度向量之间的相似度：s(r,j)(σ)=-||χr-χj(σ)||,∀j∈H(σ),∀σ∈θ,]]>其中为第j个簇的聚类中心在方向σ上的接收信号强度向量，H为所有簇的聚类中心的集合，θ＝{0°,90°,180°,270°