android 室内定位方法,基于Android的室内定位

室内定位这项目已经接近尾声，算法采用的是用kNN计算当前wifi信号和数据库的相似度。将这个相似度作为权值, 用粒子滤波器计算当前所在位置的概率。

目前的方案是：

首先计算当前位置的的RSSI向量和数据库中所有的RSSI向量做对比，这个距离的计算是要将测试集某一个AP的RSSI值减去数据库中对应的AP的RSSI值。

因为之前每个position，每个direction记录了30条数据，就是相当于一个position有120条数据(每个position有4个direction)，对于这些数据，我们都有一个关于当前wifi信息和这些数据的距离。对于每个position和每个direction，我们求得到所有的距离的平均数，保存下来。

在空间中随机生成均匀分布一些粒子，粒子包含的信息是(position, direction). 假设有10个position, 每个position 有4个direction， 这样就是可以总共至少有40个粒子，每个粒子带着他们各自的方向和位置。然后先对这些粒子加上一个概率，每个粒子携带的概率都是1/N， N表示总共生成的粒子的数量。

之前求得的每个position和每个direction的距离，将这个距离放到一个高斯函数中，就是距离越小权重越高，距离越到权重越低。

将得到的权重乘以之前每个粒子的概率，得到一个新的概率分布。对于新的概率分布，由于总和不再是1，对此我们要再次对每个粒子的概率除以他们的总和。

对于新的概率分布，我们再随机抽取N个粒子，意思是概率高的粒子容易被选到，概率低的粒子容易被忽略。并且将得到的粒子的分布显示在图像上。

这个项目做到现在困难重重，最后是否能有满意的结果还是未知数。在这就先分享下这段经历吧。

这个项目是从去年8月开始的，当时教授让我用一个RN131EK的模块试着扫描一个地方的wifi信号和强度这些。但是因为模块有很多地方不方便，我跟教授提议用Android手机来做，就这样这个项目就在边上课，边做着其他项目的情况下开始了。

最开始的困难就是Android手机编程，虽然基于Java，但是不