2、hms inWiFi Fingerprint based Indoor Positioning SystemThesis Submitted to Nanjing University of Posts andTelecommunications for the Degree ofMaster of EngineeringByMinmin CaiSupervisor: Prof. Yufeng WangMarch 2016万方数据南京邮电大学学位论文原创性声明本人声明所呈交的学位论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以
6、滤波融合，提出了改进的采样法——FODG（Fusion of Different direction collection and Gauss Filter）。在 WiFi 指纹法的定位阶段，从欧氏距离计算和坐标匹配两方面对主流的匹配法 KNN 改进。在欧式距离计算环节，分析了 KNN 法赋予每个 AP 相同权重的弊端，提出赋不同权值给各个拥有不同信号强度的 AP；在坐标匹配环节，指出了 KNN 法赋予 K 个近邻采样点相同权值的缺点，提出了距离加权的 KNN 法（WKNN），最后将 AP 加权欧式距离法和 WKNN 法融合，提出了改进的匹配法——AWKNN（
7、AP weighted and distanced weighted KNN）。最后本文实现了 WiFi 指纹定位系统，包括采样阶段和定位阶段各模块的设计与实现，并在实现的定位系统基础上对相关参数（采集的 AP 数量、WiFi 信号采集数量、近邻数 K 值）进行了最优化取值。接着对采样阶段算法 FODG 和定位阶段算法 AWKNN 进行性能分析，最后从定位精度、定位稳定性、定位速度三个方面，分析整个改进的定位系统（FODG 采样+AWKNN 匹配）的性能，结果表明：改进后的系统定位精度和定位稳定性相比传统法均有一定程度的提高，而定位速度只有小幅度的减慢。关键
