改进的位置指纹定位算法：RSSI差值处理与跨平台验证

"这篇文章是2015年6月发表在江南大学学报自然科学版的一篇研究论文，由徐潇潇和谢林柏合作完成，得到了国家自然科学基金的支持。研究主要针对传统位置指纹定位算法在室内环境中的局限性，尤其是接收信号强度值（RSSI）的不稳定性以及不同终端设备对AP信号强度测量能力的差异。作者提出了一种改进的算法，旨在优化指纹信息的准确性，并提高算法在不同设备上的适用性。在离线阶段，通过处理RSSI值，去除异常样本，并用RSSI信号强度差值替代RSSI值作为RadioMap的特征，以减少设备差异导致的误差。实验证明，改进后的算法能有效去除离线阶段的误差大样本，提升算法的跨平台性能，特别是在Android和PC平台上的表现。关键词包括位置指纹、Shadowing模型、RSSI差值和安卓系统。" 本文探讨的核心知识点包括： 1. **位置指纹定位算法**：这是室内定位的一种常见方法，依赖于预先创建的RadioMap，其中包含特定位置下接收到的无线信号（如Wi-Fi AP的RSSI值）的指纹。这些指纹用于后续的定位计算。 2. **RSSI（Received Signal Strength Indicator）**：衡量无线信号强度的指标，是定位算法的关键输入。然而，RSSI值会受到多径传播、遮挡（Shadowing）和快衰落（Fading）等多种因素的影响，导致不稳定。 3. **设备差异问题**：不同的终端设备可能有不同的接收能力和硬件特性，这可能导致同一位置的RSSI读数差异，从而影响定位精度。 4. **改进策略**：通过对离线阶段收集的RSSI值进行预处理，剔除异常值，使用RSSI差值代替绝对RSSI值作为信号特征，可以减少设备间差异带来的影响，增强指纹的稳定性。 5. **Shadowing模型**：在室内环境中，无线信号可能会遇到障碍物导致衰减，这种现象称为遮挡或阴影效应。Shadowing模型被用来描述这种衰减，对理解RSSI变化有重要作用。 6. **实验验证**：研究通过在Android和PC两个平台上进行测试，证明了改进算法的有效性，尤其是在消除离线阶段误差和提高跨平台兼容性方面的改进。 7. **应用领域**：优化后的定位算法对于物联网、智能家居、智能建筑等领域的室内定位应用具有重要意义，能够提供更加准确和可靠的定位服务。 8. **文献分类号与标志码**：中图分类号"TN911.25"指向的是通信与网络技术，文献标志码"A"通常表示该论文是原创性的科学研究成果。 这篇论文提供了一个解决室内定位中设备间RSSI不一致问题的创新方法，对位置指纹算法的实用性和准确性进行了提升，具有重要的学术价值和实践意义。