摘要
移动互联网应用的普及推动了室内定位技术的发展，目前基于无线局域网的RSSI进行室内定位是普遍的方法。由于现实中存在着多种不同的设备，离线阶段采集指纹数据的设备的无线网络芯片可能和在线定位阶段设备的无线网络芯片不同，这使得离线阶段建立的指纹数据库中的数据与在线阶段得到的数据不一致。此外，无线信号在室内中的传播使得同一个访问点不同位置的信号强度存在关联，也需要能够描述这种关联性的传播模型。 为解决上述问题，区域划分首先根据其接收到的访问点信号强度及其特征划分将参考点为若干区域，定位时，首先确定位置所属的区域，在某一区域中，高斯过程回归模型被用于描述其信号强度分布，最终确定设备的具体位置。区域划分基于人工神经网络实现，在对采集数据进行区域特征提取后，训练得到划分器。高斯过程回归将同一访问点下所有参考点之间的联系考虑进分布模型中，能够更加准确地描述信号强度地分布。通过使用各种设备（笔记本电脑、工业平板、智能手机）进行数据采集和定位时发现，区域划分加高斯过程回归算法能够显著降低离线采集和在线定位时设备不同所引起的误差。离线采集使用笔记本电脑，在线定位使用智能手机，经典的Radar算法定位误差为3.2米。应用区域划分和高斯过程回归算法之后，误差降为2.4米。
NETL