定位系统已经被发明和使用，如：美国全球定位系统(GlobalPositioning

System,GPS)、欧盟伽利略卫星导航系统 ( Galileo Satellite Navigation System,GNSS) 等。这些定位系统都是使用卫星来实现定位的，技术已经非常成熟，具有优良的定位性能，部分系统已经实现10米以内的定位。特别是 GPS 的商用已经取得来巨大成功，如目前成功使用千电子地图、智能手机、无人飞机等，极大方便了人们的出行，丰富来人们的生活。虽然这些卫星定位系统已经取得来不错的成绩，但是也存在一些弱点，这些定位系统都是使用的卫星信号来实现定位功能，当卫星信号较弱时定位效果将显著降低，甚至不能定位， 如在隧道环境中GPS模块就检测接收不到卫星信号；如室内环境中也检测不到卫星信号，所以卫星定位系统在室内的环境中的使用效果非常差。

然而，人们的主要活动地点却是室内，室内位置服务具有巨大的需求，这些使用场景包括：大型商场、飞机场、大型交通枢纽等。例如苹果设备上提供 IBEACON功能，该功能利用设备上配备的低功耗蓝牙模块来向周围的设备发送本设备的ID, 让周围的设备感知道本设备的存在并计算出他们之间的距离，该功能将设备之间的距离划分为三个等级：近距离（厘米级）、中距离（米级）、远距离（大千10 米）。该室内定位功能的一个使用场景为：当我们走进大型商场时，手机根据对我们生活数据的分析自动提醒我们想要买的商品在什么地方，目前是否有折扣信息，什么商品在促销，离我们有多远等。这些无疑将极大方便我们的生活，同时也有利于商家的促销信息的发布，快速吸引目标客户。又例如在大型枢纽中的位置服务，当我们到达一个大型枢纽时，经常困扰我们的问题是出站口在哪里、入站口在哪里，有了室内位置服务后我们将可以快速知道自己的位置和出入站口的位置。并且可以规划处一条到达目的地的最快速的路径。进一步还可以获取枢纽中商店、厕所、售票处等的位置，结合”互联网＋”的方式还可以提供其他一些更加智能的服务，如中午时间段根据消费者的口味推荐枢纽内的餐厅并提供前往路线、根据消费者的喜好推荐书店并提供前往路线。

随着室内位置服务的需求日渐增强，新的方式方法需要被提出以解决室内无法定位的问题。目前，室内定位也成了研究的热门方向。针对室内环境的多样性多种技术和方式被提出。如利用超声波方式，麻理工大学设计的 CLSS 系统便是使用的超声波方式叽红外线方式 ,实验室使用红外线技术设计Active Badge 系统:系统包括电子标签、读卡器、电子标签数据库和定位管理器四部分组成；超宽带(Ultra Wide Band,UWB)具 有 高速数据率、低成本、定位精度较其他技术有明显显提高等优点，也成为了室内定位的一个重要研究方向。上述方式都有各自独特的优点，但是需要额外硬件设备，安装成本高成为了它们的共同短板。利用无线局域网(Wireless Local Area NetWork,WLAN)进行室内定位则具有不需要额外硬件设备的便利，而且WLAN 的普及程度已经非常之高，基本上随处都可以搜到Wireless Fidelity(WIFI)信号。

当前,利用 WIFI 进行室内定位已经成为一个研究热点。虽然 WLAN 定位方式具有无需硬件设备的巨大优势，但是为了提供优质的室内位置服务还有不少问题需要解决，主要是提高精度和定位响应速度两方面，WLAN使用的是电磁波，在室内环境中电磁波的多径效应明显，如何解决室内环境中发生的反射、衍射和散射对定位精度的影响，如何解决室内环境变化对定位精度的影响， 如何降低定位响应时间，这些都是需要研究和解决的问题。

综上所述，研究相关室内位置服务技术，解决定位精度低和响应时间长的问题，提供部署简单、成本低廉的实现方式不仅具有重要的理论研究价值，而且具有十分重要的现实意义。

目前，基于WLAN的室内定位方式目前有多种实现方式，如基于接入点(Access Point,AP)范围的小区定位方式，即根据接收到AP的信号强度(Received Signal Strength Indication,RSSI)判断属于哪个AP的范围内，然后就以该A的位置为定位结果；如利用 WLAN 信号的衰减特性三角定位方式，即根据信号强度与距离的关系，确定目标点到三个AP的距离，然后以这三个AP为圆心距离为半径画圆，这三个圆的交点即为定位结果；如基于RSSI数据库的指纹法定位方式, 该方式为为先采集待定位区域内部分点的RSSI数据和位置信息形成指纹数据库，定位时将定位点采集到的RSSI数据与指纹数据库中的数据进行比较匹配得到定位结果。这三种方式的定位精度依次递增。本论文主要研究基于位置指纹的定位方式。

基于位置指纹的室内定位算法的研究主要集中一下几方面：定位阶段的匹配算法，如何提升匹配效果，提高匹配精度；指纹数据库处理，对指纹数据库进行分区等，减少匹配过程中的计算量；数据库的采集过程，指纹数据库预处理等等。

2. 研究的基本内容与方案

本论文分析论目前室内定位的需求背景和当前研究现状，把精力主要放到了基于深度学习的WLAN位置指纹室内定位法技术上。KNN算法的简单性和有效性使其成为了位置指纹法定位中使用最为广泛的匹配算法，但是 KNN 算法使用所有的指纹数据进行计算，部分异常数据会导致定位结果偏差，并且当指纹数据库变大时匹配过程的运算量也会急剧增加。KNN 算法的精度低和匹配数据量大这两个问题直接影响到该技术的推广。本文针对 KNN 算法的缺点， 在现有的相关研究基础上，针对提高定位精度和定位响应速度方面展开论深入研究，采用了基于 RSSI 衰减特性的指纹数据库预处理算法和基于信号强度分区和位置连续性的匹配算法三者融合而成的优秀算法。主要研究内容和技术为如下几点：

1）基于 RSSI 衰减特性的指纹数据优化算法