WiFi定位原理

WiFi定位成本低、覆盖范围广、传输速度高等原因成为室内定位的主流。WiFi定位方法基本上可以分为两大类：

1. 不基RSSI（无线信号强度值Received Sig‐nal Strength Indication  ）

• TOA（time ofarrival）
• TDOA（time difference of arrival）
• AOA（angle of arrival）

这些值的获取需要设计特殊的wifi模块，在智能机上无法直接获取。

2. 基于RSSI

在智能手机上，可以通过系统SDK获取到周围各个AP（Access Point）发送的信号强度RSSI及AP地址，利用RSSI来定位目前看来是最可行的方法，因此下面着重介绍,基于RSSI定位主要有两个算法:三角定位算法,指纹算法。

三角定位:

如果我们已经知道了这些AP的位置，我们可以利用信号衰减模型估算出移动设备距离各个AP的距离,然后根据智能机到周围AP距离画圆，其交点就是该设备的位置。很容易发现，三角定位算法需要我们提前知道AP的位置，因此对于环境变化较快的场合不适合使用。

指纹算法

指纹算法类似于机器学习算法，分为两个阶段:

1. 离线训练阶段
   将需要室内定位区域划分网格，建立采样点（间距1~2m）
   使用wifi接受设备逐个采样点采样，记录该点位置、所获取的RSSI及AP地址。
   对采样数据进行处理（滤波、均值等）
2. 在线定位阶段
   用户持移动设备在定位区域移动，实时获取当前RSSI及AP地址，将该信息上传到服务器进行匹配（匹配算法有NN、KNN、神经网络等） 得到估算位置。
   匹配算法有NN、KNN、神经网络等。