WiFi定位技术简介（新手必看）
Wi-Fi 是基于 IEEE 802.11 标准的无线局域网（Wireless Local Area Network，WLAN）技术，具有传输距离远、传输速度快、成本低廉等优点，被广泛部署于室内环境，如商场、医院、学校、酒店等公共场所，而且几乎所有的智能手机和笔记本电脑都支持 Wi-Fi 功能。
在现有 Wi-Fi 网络基础上，无须额外部署其他设备，就可以实现 Wi-Fi 定位，方便推广和使用。因此，基于 Wi-Fi 的室内定位技术拥有广阔的应用前景，引起了越来越多研究机构和学者的关注。
Wi-Fi 实时定位系统（Wi-Fi Real Time Location System，Wi-Fi RTLS）结合了 WLAN、射频识别（Radio Frequency Identification，RFID）和实时定位等多种技术，广泛地应用在有 WLAN 覆盖的区域，可实现复杂的人员定位、监测和追踪任务，并可准确搜寻到目标对象，从而实现对人员和物品的实时定位及监控管理。
近几年，无线技术迅速发展，Wi-Fi 网络的覆盖率越来越高。基于 Wi-Fi 的室内定位技术能够弥补在室内环境下 GPS 技术无法定位或定位不准确的缺点，其采用无线接入点（Access Point，AP）方式，改变了传统的依赖基站获取 Wi-Fi 位置信息的方式，使得资源的获取变得更加方便且不受限制，同时其利用现有 Wi-Fi 网络，大大减少了室内定位所需的成本，提高了定位精度。
最基础的具有单个 AP 的网络系统包括以下几部分：
广义上来看，无线 AP 是无线路由器等设备的统称。平常所说的 Wi-Fi 热点也可以认为是 AP。
一种情况只包含若干个站点，且站点不少于两个，这种服务集称为独立型 BSS（Independent BSS，IBSS）。IBSS 也可称为 Ad-hoc 网络。在这种服务集下，每个站点可以与同一 IBSS 下的任何其余站点建立通信连接，而且不需要连接 AP，但是两个站点间的物理距离要求在可以直接进行通信的范围内。一般情况下，IBSS 作为一种临时性网络来达到特定目的，这种结构有时会被称作特设网络。
另一种情况除了包括若干个站点，还包括一个 AP。这种服务集称为基础结构型 BSS（Infrastructure BSS）。这种网络结构的判断也很简单，只需要确定网络中是否包含AP。
与基站类似，AP 负责基础结构型 BSS 全部的信息传输，包括在同一个服务区域的所有工作站点之间的通信。在这种基础结构型 BSS 下的所有工作站点，若是两两之间需要通信，一般需要经过两个步骤：首先由通信发起方将信息帧发送给 AP，然后由 AP 将此信息帧传递至目的站点。
所有站点间的通信都必须由 AP 进行中转，所以 AP 的覆盖范围就决定了基础结构型 BSS 的基本服务区域的范围。这种必须有中转的结构显然比直接进行传输消耗的资源更多，但是其有两个显著的优点：
Wi-Fi 技术的广泛使用使基于 Wi-Fi 的室内定位研究成为近年来的研究热点之一，研究的核心问题是如何利用 Wi-Fi 信号中蕴含的信息特征对目标进行精确定位。用于通信的 Wi-Fi 信号特征一般有两种：接收信号强度指示（Received Signal Strength Indication，RSSI）和信道状态信息（Channel State Information，CSI）。
通过已经部署在各大场景中的 Wi-Fi 设备进行室内定位，不用对 Wi-Fi 设备进行任何改动，使用成本极低。包括 Wi-Fi 室内定位技术在内的众多 WLAN 定位技术的基本原理是，通过对天线阵列接收的无线电信号的多种特征信息进行分析，使用现有的定位算法来估计待定位目标的位置。
Wi-Fi 技术也有不足之处，首先它的通信距离有限，一般的 Wi-Fi 网络覆盖面直径只有 100m 左右；其次它的移动性不佳，只有在静止或者步行的情况下使用才能保证其通信质量。为了克服 Wi-Fi 网络通信距离有限和低移动性的缺点，802.11n 协议草案被提出。
802.11n 相比之前的标准技术优势明显：
虽然 Wi-Fi 信号的传播受环境的影响，但是 Wi-Fi 信号强度在空间中的分布相对稳定。因此，同一位置的接收信号强度（Received Signal Strength，RSS）值相对稳定且与其他位置的 RSS 值有所区别。将多个 AP 的 RSS 值构成一个向量，在不考虑误差等因素的影响下，这个向量可以唯一确定空间中的一个位置。这种 Wi-Fi 信号强度值与位置之间的对应关系，可以形象地称为位置指纹。通过比较位置指纹之间的相似性，可以估计未知节点的位置。
总体而言，Wi-Fi 室内定位技术的特征如下：
罗宇锋等人提出了一种基于 Wi-Fi 信号强度值来计算移动终端与 Wi-Fi 设备间距离的定位方法，该方法在定位精度和稳定性方面都有不错的表现。
杨立身等人基于 Wi-Fi 技术提出了一种用四边测距修正加权质心的定位算法，该算法采用卡尔曼滤波算法和近高斯拟合算法剔除偏差较大的信号强度值，然后基于剩下的信号强度值，根据路径损耗模型计算移动终端和 Wi-Fi 设备间的距离，最后将质心定位算法与四边测距法相结合来计算待定位点的坐标。
采用信号强度-距离模型和几何算法相结合的方式进行定位，由于信号的衰减程度易受环境的干扰，不管是哪种信号强度-距离模型都存在较大误差，因此基于 Wi-Fi 的测距模型定位算法的定位精度难以满足机器人室内定位精度的要求。
随着人工智能、深度学习的发展，人们尝试将深度学习算法与 Wi-Fi 室内定位技术相结合。
来自埃及的学者为了处理 Wi-Fi 信号噪声，采用了深度学习模型和贝叶斯概论框架相结合的方法，该方法还可以获取 Wi-Fi 信号强度值与距离的复杂关系。实验结果表明，该方法获得的最大平均定位精度是 1.21m。
在现有 Wi-Fi 网络基础上，无须额外部署其他设备，就可以实现 Wi-Fi 定位，方便推广和使用。因此，基于 Wi-Fi 的室内定位技术拥有广阔的应用前景，引起了越来越多研究机构和学者的关注。
Wi-Fi 实时定位系统（Wi-Fi Real Time Location System，Wi-Fi RTLS）结合了 WLAN、射频识别（Radio Frequency Identification，RFID）和实时定位等多种技术，广泛地应用在有 WLAN 覆盖的区域，可实现复杂的人员定位、监测和追踪任务，并可准确搜寻到目标对象，从而实现对人员和物品的实时定位及监控管理。
近几年，无线技术迅速发展，Wi-Fi 网络的覆盖率越来越高。基于 Wi-Fi 的室内定位技术能够弥补在室内环境下 GPS 技术无法定位或定位不准确的缺点，其采用无线接入点（Access Point，AP）方式，改变了传统的依赖基站获取 Wi-Fi 位置信息的方式，使得资源的获取变得更加方便且不受限制，同时其利用现有 Wi-Fi 网络，大大减少了室内定位所需的成本，提高了定位精度。
Wi-Fi相关知识
Wi-Fi 设备包括无线网卡及无线 AP，通过无线方式接入互联网，完全不需要布线，部署的复杂程度及所需费用均远远低于传统的有线方式。最基础的具有单个 AP 的网络系统包括以下几部分：
1) 站点（Station，STA）
所谓站点，通俗地说就是具有 Wi-Fi 通信功能的各种终端设备，是对手机、平板电脑，笔记本电脑等连接到无线网络之后的称呼。2) 无线AP
无线 AP 是整个无线网络结构的核心。无线 AP 是移动终端进入有线网络的门户，是搭建 WLAN 所需的核心设备，主要用于家庭、商场、医院等各种室内场景。广义上来看，无线 AP 是无线路由器等设备的统称。平常所说的 Wi-Fi 热点也可以认为是 AP。
3) 服务集标识（Service Set Identifier，SSID）
通俗地说，SSID 就是日常生活中经常提到的 Wi-Fi 账号。SSID 是通过 AP 广播出来的。同时，在部署无线路由器时，可根据需要自定义 SSID 的名称。4) 基本服务集（Basic Service Set，BSS）
BSS 一般分为以下两种组成情况。一种情况只包含若干个站点，且站点不少于两个，这种服务集称为独立型 BSS（Independent BSS，IBSS）。IBSS 也可称为 Ad-hoc 网络。在这种服务集下，每个站点可以与同一 IBSS 下的任何其余站点建立通信连接，而且不需要连接 AP，但是两个站点间的物理距离要求在可以直接进行通信的范围内。一般情况下，IBSS 作为一种临时性网络来达到特定目的，这种结构有时会被称作特设网络。
另一种情况除了包括若干个站点，还包括一个 AP。这种服务集称为基础结构型 BSS（Infrastructure BSS）。这种网络结构的判断也很简单，只需要确定网络中是否包含AP。
与基站类似，AP 负责基础结构型 BSS 全部的信息传输，包括在同一个服务区域的所有工作站点之间的通信。在这种基础结构型 BSS 下的所有工作站点，若是两两之间需要通信，一般需要经过两个步骤：首先由通信发起方将信息帧发送给 AP，然后由 AP 将此信息帧传递至目的站点。
所有站点间的通信都必须由 AP 进行中转，所以 AP 的覆盖范围就决定了基础结构型 BSS 的基本服务区域的范围。这种必须有中转的结构显然比直接进行传输消耗的资源更多，但是其有两个显著的优点：
- 第一个是对在基站传输范围内的所有工作站点之间的物理距离没有限制；
- 第二个是可以辅助站点节约电能。
Wi-Fi 技术的广泛使用使基于 Wi-Fi 的室内定位研究成为近年来的研究热点之一，研究的核心问题是如何利用 Wi-Fi 信号中蕴含的信息特征对目标进行精确定位。用于通信的 Wi-Fi 信号特征一般有两种：接收信号强度指示（Received Signal Strength Indication，RSSI）和信道状态信息（Channel State Information，CSI）。
Wi-Fi室内定位技术特征
除了成本低和实用性高，与其他短距离无线传输技术相比，Wi-Fi 网络的覆盖范围比较大，通信距离一般在 50~100m，在有障碍物如墙壁阻挡的情况下，信号强度会有所降低，有效距离也会随之缩短，但是在各种室内场景中足以满足日常需要。通过已经部署在各大场景中的 Wi-Fi 设备进行室内定位，不用对 Wi-Fi 设备进行任何改动，使用成本极低。包括 Wi-Fi 室内定位技术在内的众多 WLAN 定位技术的基本原理是，通过对天线阵列接收的无线电信号的多种特征信息进行分析，使用现有的定位算法来估计待定位目标的位置。
Wi-Fi 技术也有不足之处，首先它的通信距离有限，一般的 Wi-Fi 网络覆盖面直径只有 100m 左右；其次它的移动性不佳，只有在静止或者步行的情况下使用才能保证其通信质量。为了克服 Wi-Fi 网络通信距离有限和低移动性的缺点，802.11n 协议草案被提出。
802.11n 相比之前的标准技术优势明显：
- 在传输速率方面，802.11n 可以将 WLAN 的传输速率由目前 802.11b/g 提供的 54Mbps 提高到 300Mbps 甚至 600Mbps；
- 在通信技术方面，802.11n 采用智能天线技术，可以动态调整波束，保证让 WLAN 用户接收稳定的信号，并可以减少其他信号的干扰，因此它的通信范围可扩大到几平方千米。这使原来需要多台 802.11b/g 设备的地方，只需要一台 802.11n 设备就可以了，不仅方便了使用，还减少了原来多台 802.11b/g 设备互联时可能出现的盲点，使得终端的移动性得到了一定的提升。
虽然 Wi-Fi 信号的传播受环境的影响，但是 Wi-Fi 信号强度在空间中的分布相对稳定。因此，同一位置的接收信号强度（Received Signal Strength，RSS）值相对稳定且与其他位置的 RSS 值有所区别。将多个 AP 的 RSS 值构成一个向量，在不考虑误差等因素的影响下，这个向量可以唯一确定空间中的一个位置。这种 Wi-Fi 信号强度值与位置之间的对应关系，可以形象地称为位置指纹。通过比较位置指纹之间的相似性，可以估计未知节点的位置。
总体而言，Wi-Fi 室内定位技术的特征如下：
- 优点：应用成熟，可利用已有的硬件设施，成本低廉，便于扩展；
- 缺点：Wi-Fi 信号强度易受周围环境影响，定位精度较低；
- 定位精度：2~50m；
- 适用场景：景区公园、医疗机构、公司、工厂、商场；
- 工作原理：邻近探测法、三角测量法、位置指纹（特征）定位法等。
Wi-Fi室内定位技术现状
相较于其他无线射频定位技术，Wi-Fi 室内定位技术具有成本低、精度较高、定位覆盖范围较大、室内普及率高、具备通信能力等优点。常用于室内定位的可以表征 Wi-Fi 信号特性的指标有 RSS、信道冲激响应（Channel Impulse Response，CIR）、CSI 等。罗宇锋等人提出了一种基于 Wi-Fi 信号强度值来计算移动终端与 Wi-Fi 设备间距离的定位方法，该方法在定位精度和稳定性方面都有不错的表现。
杨立身等人基于 Wi-Fi 技术提出了一种用四边测距修正加权质心的定位算法，该算法采用卡尔曼滤波算法和近高斯拟合算法剔除偏差较大的信号强度值，然后基于剩下的信号强度值，根据路径损耗模型计算移动终端和 Wi-Fi 设备间的距离，最后将质心定位算法与四边测距法相结合来计算待定位点的坐标。
采用信号强度-距离模型和几何算法相结合的方式进行定位，由于信号的衰减程度易受环境的干扰，不管是哪种信号强度-距离模型都存在较大误差，因此基于 Wi-Fi 的测距模型定位算法的定位精度难以满足机器人室内定位精度的要求。
随着人工智能、深度学习的发展，人们尝试将深度学习算法与 Wi-Fi 室内定位技术相结合。
来自埃及的学者为了处理 Wi-Fi 信号噪声，采用了深度学习模型和贝叶斯概论框架相结合的方法，该方法还可以获取 Wi-Fi 信号强度值与距离的复杂关系。实验结果表明，该方法获得的最大平均定位精度是 1.21m。
ICP备案：
公安联网备案：