Indoor Positioning by Python

用Python实现WiFi室内定位的相关算法，参考了文献[1]。如果有相关问题，请在github上提交issue，如果发现bug或实现了不同的WiFi室内定位算法，欢迎提交pull request。

步骤

1. 采集数据

使用NetSpot软件在华北电力大学地下停车场采集数据。

2. 数据处理

将采集的原始数据处理成易于观察和处理的数据格式

3. 过滤数据

根据样本的ID获得所需的数据。

4. 应用定位算法

测试不同WiFi室内定位算法的定位效果，目前实现了6种WiFi室内定位算法，Nn，Knn，Wknn，Prob，Stg，Gk。

文档结构

• src: 代码
• db: 指纹数据库，该目录下有更详细的说明
• img: README.md中用到的图片

函数调用关系

与文件相关的函数

与样本ID相关的函数

定位算法

KNN方法[2]

KNN方法的主要思路是：找出与TP的WiFi指纹相似度最高的K个RP，然后平均这K个RP对应的位置，最终得到TP的位置。

Prob方法[3]

Prob方法的主要思路是：通过贝叶斯公式，计算TP出现在每个RP上的后验概率，取k个概率最大的RP，然后平均这K个RP对应的位置，最终得到TP的位置。

Stg方法[4]

Stg方法是KNN方法的一种改进方法，它通过TP的k个信号最强的信号接入点来筛选RP，然后再应用KNN方法。

Gk方法[5]

GK方法的主要思路是通过高斯核密度估计器（Gaussian Kernel Density Estimator，GKDE）计算每个指纹位置的相对过饱和度的可能性，并通过平均与最高似然值对应的位置来确定TP的位置。

参考文献

[1] Mendoza-Silva, Germán, Martín,等. Long-Term WiFi Fingerprinting Dataset for Research on Robust Indoor Positioning[J]. Data, 2018.

[2] P. Bahl, V. N. Padmanabhan, Radar: an in-building rf-based user location and tracking system, in: IN-FO-COM 2000. Nineteenth Joint Conference of the IEEE Computer and Communications Societies. Pro-ceedings. IEEE, 2000, pp. 775–784 vol.2.

[3] Youssef M , Agrawala A . The Horus location determi-nation system[J]. Wireless Networks, 2008, 14(3):357-374.

[4] Marques N , Meneses F , Moreira A . Combining similarity functions and majority rules for multi-building, multi-floor, WiFi positioning[C]// Indoor Positioning and Indoor Navigation (IPIN), 2012 International Conference on. IEEE, 2013.

[5] Roos T , Myllym?Ki P , Tirri H , et al. A Probabilistic Approach to WLAN User Location Estimation[J]. In-ternational Journal of Wireless Information Networks, 2002, 9(3):155-164.