室内定位学习（1）

室内定位的学习笔记（1）

现有研究状态：起步阶段

• 可以使用手机和无线路由器作为AP ；
• 可以进行RSSI数据的批量采集；
• 可以引入算法，半自动完成算法的验证、分析和评价。

一、wifi室内定位
（一）典型研究步骤
1、确定wifi信号（已知状态确认和表达）；
2、确定所需测试的wifi信号的位置信息（已知状态确认和表达）；
3、确定每个位置点所需检测的wifi信号的数据数目等（训练数据采样的规划）；
4、对数据进行处理，包括滤波等等（训练数据处理）；
5、实时获取wifi信号的次数以及对其进行滤波的方法（定位数据采集及处理）；
6、进行wifi信号指纹匹配以得到定位信息（定位算法）；
7、获得其他定位信息（参考信息）；
8、多种定位信息的数据融合。

（二）可能的创新环节
步骤3+步骤4阶段
1.假定不同的采样时间，同一时间不同的连续采样次数，AP不同的接入数量，AP附近的电磁环境、空间变化等都对离线训练结果有影响。（不同的训练数据导致同一坐标训练得到的指纹不同，无法取舍）>>>>>>此时，采样方案和算法的“目标”应该使不同状态下采样数据训练得到的指纹趋于一致。

可能的思路：

• 找到造成同一采样对象信号波动的原因，如采样时间不同、每次采样的样板容量、AP访问状态不同等。
• 设计一个模型量化某个因素；
• 通过某种算法抑制这个因素的影响；
• 通过实验和实验数据处理，证明算法的有效性。

2.使用同一种训练算法，但不同参数训练同一组数据得到的指纹有较大差距，不知道如何选择>>>>>>使不同状态下采样数据训练得到的指纹趋于一致的训练算法或训练参数优先。

可能的思路：

• 证明两组数据在某种通常的训练方法下得到的指纹有较大区别；
• 修改训练算法，证明两组数据训练得到的指纹有趋同的趋势，证明新算法更加稳定。

步骤5+步骤6阶段
各种基于指纹的独立定位算法，如KNN等。 算法的设计目标是提高定位精度。
实现的方法通常是分析某个算法的某个环节，选择某种方法，抑制不利影响，提高最终输出的精度。

步骤7+步骤8阶段
（待续）