WI-FI定位算法原理与介绍

所谓的定位，就是利用所有可以获取的信息，对用户所在的位置进行推算，得到最大可能的用户位置。

定位可以分为很多种定位，基站定位，WI-FI定位，GPS定位，甚至地磁定位。几种定位方式各有优缺点

定位方式	精度（M）	速度	耗电量	适用范围
基站定位	500-2000	快	低	所有存在基站的位置
WI-FI定位	0-100	快	低	周围存在相对较固定的WI-FI
GPS定位	0-10	慢	高	全球
地磁定位	0-1	快	中	室内

需要注明的是：

1、GPS定位为什么定位速度比较慢呢，因为开始定位的时候，GPS设备要收取各个卫星的信号，这要花费3-5分钟时间，甚至更长。但是一旦进行了第一定位之后，第二次定位就比较快了。如果想了解更多，请自由Google。

2、地磁定位一般用在室内定位，根据磁场相对变动推导出位置，这个据说可以达到厘米级定位。

我们没有那么高端，GPS和地磁不在我们的讨论范围内，我们讨论的只是，当用户不开GPS的情况下 (GPS less)请求定位。最适用的方法就是基站和WI-FI定位。这篇WIKI开始讨论WIFI定位的各种方法。

WI-FI定位

WI-FI 指的就是 平常咱们在家里的无线路由发射器，它可以向外发射信号，手机就可以扫描到周围的WI-FI，连接上，就可以通过它上网了。现在设想这种情况，在一个陌生的位置，只能收到周围的Wi-Fi，如何确定位置？

最简单的定位：

最简单的想法也是最直接的想法如果我们知道这些WI-FI的位置，那么是不是就可以推断用户的位置。如下图所示：

                                                                          


下一步就是推断AP的发射点的位置，通过采集数据可以得到如下数据：

AP1:－50；AP2:－60；AP3:－80；   gps 坐标1

AP1:－30；AP3:－60；AP4:－70；   gps 坐标2

这样得到了 APi的一系列坐标点，通过加权求平均推断APi的位置。有了AP的位置，通过收到的信号，可以推测得到用户最终的位置。

最大似然概率定位

换一种思考方式，多个AP信号同时发生在了用户的所在位置，那么就可以通过找这几个AP同时发生在概率最大的位置


 v
代表位置， s代表AP的信号强度

多个AP 发生的概率是相互独立的，那么



通过采集数据来计算各个位置AP发生的概率。然后就可以计算出联合概率，选出概率最大的。

指纹定位

再来，采集数据中已经存在了多个AP的信号强度和GPS的对应关系，那么如果能找到用户手机收到的AP信号强度最相似的记录，那么记录中的GPS应该就是

该请求的GPS坐标。这里把多个AP和信号强度组成的一条记录称之为一条指纹。

那就创建database 把所有出现的指纹和GPS的对应关系都存储起来。定位过程中只要把相似的指纹选出来，相似记录的GPS作为该请求的坐标返回就可以了

                                       


至于相似度的选择，会在另一篇WIKI中做介绍。

SVM／ANN／DT定位

指纹定位要存储的是各个AP信号所对应的位置信息。数据存储会很大，要实现定位，遍历的指纹时间花费也很可观。当然可以改成稀疏矩阵存储，但是依然不小。

应用机器学习算法SVM，ANN和DT做回归，就可以不存储那么多指纹，将这些指纹学习一个模型，定位过程中，只要将请求输入到模型中，模型会输出GPS坐标

给用户。存储量比较小，而且比较精确。

                                

 
           


好了，基本上所有的定位算法都在这里涉及了，并不是说哪个定位算法比较好，这几种定位算法在实验室状态下都能实现3-10米定位。

但是 现实的结果是：

百度CEP 50% ：27米 

高德CEP 50% ：31米

腾讯CEP 50% ： 呵呵

为什么？

现实中存在很多变数，存在很多挑战
GPS会漂，GPS都不准确，
Wi-Fi会移动 搬家 车载AP
并不是每个AP的采集量都是充足的
手机机型大不相同
信号强度是波动的
环境因素要考虑
.......

当初教我们机器学习的一个老师教导过我们，机器学习的方法不重要，好的数据比选用那种方式更重要！