CN105792230A - 基于rss指纹室内定位系统的接入点和定标点部署方法 - Google Patents

Abstract

本发明提供了一种基于RSS指纹室内定位系统的接入点和定标点部署方法，包括：根据在定位场所测量的信息，得到衡量AP部署策略指标的参数；利用模拟退火算法得到最优的AP部署方案；在所有候选定标点位置进行指纹采集；系统通过采集得到的指纹，利用聚类算法求出最优的定标点位置。本发明一方面优化AP部署策略，从而提高了定位准确度，一方面通过优化定标点部署，减少了指纹采集的需求量，节约人力物力消耗。

Description

基于RSS指纹室内定位系统的接入点和定标点部署方法

技术领域

本发明涉及通信、导航定位技术领域，具体是一种基于RSS指纹室内定位系统的接入点和定标点部署方法。

背景技术

经过十多年的研究和发展，位置服务已经逐渐渗透到现实生活中。从社交和娱乐，到提高生产效率和实现目标，它们在生活中有着众多应用。比如，在大型的室内环境，如机场、图书馆或购物中心，位置信息可以提高这些机构的服务质量和游客的体验。传统上，位置相关的应用限于室外环境，大多采用全球定位系统(GPS)。然而由于室内环境的复杂性，用于GPS的方法是无效的。这些困难和挑战也使研究者越来越多地投入到室内定位技术的研究中去。

在室内定位中，基于接收信号强度(RSS)指纹的方法是非常流行的。该方法首先对需要室内定位服务的现场进行调查。其中，不同地标的每个接入点(AP)获得的接收信号强度(RSS)被上传到一个定位服务器。通过整合上载的RSS指纹，服务器可以建立与指纹相关联的地标数据库。这个过程被定义为训练或离线阶段。当用户想要进行室内定位时，向服务器发送信息，服务器搜索数据库并估计出用户的当前位置。这个过程通常称为位置估计或联机阶段。早期的系统如Radar基于信号空间的最近邻居(NNSS)技术，也即计算接收到的RSS和在数据库中的RSS的欧几里德距离。之后如荷鲁斯系统利用概率技术估计用户的位置，其中关于信号的强度分布是从数据库导出的。最近设计室内定位系统的趋势是利用众包模式进行数据训练和协作位置估算，利用的是智能手机中的传感器得到的信息。

对于Wi-Fi指纹定位而言，虽然无线网络接入点已被广泛部署在公共室内空间，覆盖范围仍是一个重要问题。随着基于位置的服务日益普及，如果AP的部署能同时把覆盖范围和定位考虑在内，尤其是对新构造的公共建筑，可以达到一石二鸟的效果。对室内定位来说，AP的部署是综合考虑室内环境、定位精度要求的，所以目前室内环境中的AP部署，对大部分情况下的室内定位技术产生了很大影响，导致定位的精度比较差。在前人的工作中，关于最优的AP部署方案已经有了一定的研究。X.Bai等人在IEEEINFOCOM,2008发表的“Deployingfourconnectivityandfull-coveragewirelesssensornetworks”中提出了一种基于不断进化的金刚石图案的AP部署方案，提出了足够覆盖区域的接入点的最小数目。

虽然AP的覆盖问题已经被很好地研究，但是仍不清楚AP覆盖范围是否能够保证最佳。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于RSS指纹室内定位系统的接入点和/或定标点的部署方法。

根据本发明提供的一种基于RSS指纹室内定位系统的接入点和定标点部署方法，包括如下步骤：

步骤1：根据测量到的定位场所信号，得到衡量AP部署策略指标的参数；

步骤2：根据所述衡量AP部署策略指标的参数，利用模拟退火算法得到最优的AP部署方案。

优选地，所述步骤1包括如下步骤：

步骤1.1：在候选AP部署点上摆放AP，并测量候选定标点的RSS指纹；

步骤1.2：根据候选定标点的RSS指纹，得到不同候选AP部署点所对应的特征复向量作为衡量AP部署策略指标的参数；其中，特征复向量由Z_i表示，计算方法为：

$Z_i=p_i{e}^{2{\mathrm{i\φ}}_i}$

其中，Z_i表示第i个AP信号的特征复向量，p_i表示第i个AP信号的梯度特征，i表示测量到的AP信号的序号，i为正整数，φ_i表示第i个AP信号的方向特征；

p_i的计算方式为：

$p_i={\left(\frac{\▿{\mathrm{\μ}}_i}{{\mathrm{\δ}}_i}\right)}^2$

其中，是第i个AP信号的梯度，δ_i是第i个AP信号的噪声方差值。

优选地，所述步骤2包括如下步骤：

步骤2.1：初始化其中，表示离散化的物理空间，表示平面直角坐标系Oxy中x方向向量，表示平面直角坐标系Oxy中y方向向量；

步骤2.2：当T≥t*时，进入步骤2.3；其中，T表示退火温度，t*表示阈值温度；

步骤2.3：通过随机改变一个中的候选AP部署点，由旧AP部署策略产生新AP部署策略；

步骤2.4：对于衡量新AP部署策略指标的参数、旧AP部署策略指标的参数，评价指标为定位精度期望：

其中，s表示测量人员在室内空间面积，表示评估得到的候选定标点位置的定位精度，表示用户出现在候选定标点位置的概率，表示用户出现的位置向量；r表示用户出现的位置向量的向量模；

$R_n={\max }_{V_n\∈U_n}\{{\left(\underset{i\∈V_n}{\mathrm{\Σ}}\right|Z_i\left|\right)}^2-{\left(\right|\underset{i\∈V_n}{\mathrm{\Σ}}{Z}_i\left|\right)}^2\}$

其中，V_n表示第n种测量策略，n为正整数，U_n是所有测量策略的集合；i∈V_n表示第n种测量策略V_n中的测量序号；R_n表示定位精度；

步骤2.5：如果新AP部署策略的定位精度期望高于旧AP部署策略的定位精度期望，则直接接收新AP部署策略作为模拟退火算法的输出；

如果新AP部署策略的定位精度期望低于旧AP部署策略的定位精度期望，则以的概率接收，其中，Δ表示新AP部署策略的定位精度期望与旧AP部署策略的定位精度期望之间的差异绝对值，T表示退火温度，e表示自然底数；

步骤2.6：更新退火温度：

$T=\frac{\mathrm{\ω}}{log(t+k)}$

其中，ω的取值范围为大于等于100且小于等于1000，k的取值范围为大于1的正数，t表示迭代变量，t的取值范围为t＝0，1，2，3...；

若T≥t*，则返回步骤2.3继续执行；否则，则进入步骤2.7继续执行；

步骤2.7：执行其中，符号←表示加入集合，上标*表示闭包，表示离散化的物理空间的闭包集合，即为最优的AP部署方案。

优选地，还包括如下步骤：

步骤3：在所有候选定标点位置进行RSS指纹采集；

步骤4：根据RSS指纹，利用聚类算法求出最优的定标点位置。

优选地，所述步骤3包括如下步骤：

步骤3.1：依次在各个候选定标点上收集AP信号，统计出在各个候选定标点上所能接收的信号范围内所有AP信号的信号强度。

优选地，在所述步骤3中：

RSS是高斯分布：

其中，表示用户位于第k个候选定标点情况下接收信号强度为的信号的概率，表示用户测量得到的信号强度，μ(MP_k)表示第k个候选定标点处实际信号强度均值，i表示测量到的AP信号的序号，i为正整数，σ_i表示第i个AP信号的信号高斯分布的方差，表示第i个AP信号的信号值，μ_i(MP_k)表示在第k个候选定标点处第i个AP信号的高斯分布的均值；

其中，p₀表示发送能量，γ表示常数，γ的取值范围为2-10；

优选地，在所述步骤3中：

得到定位错误率P_e，以用于检验定位效果：

其中，P_e表示定位错误率，K_j表示用户被定位到第j个候选定标点，j、k为正整数，表示用户出现的位置向量，MP_k表示用户所在第k个候选定标点的真实位置，表示用户在第k个候选定标点被定位至第j个候选定标点的概率，表示用户测得AP信号强度的概率分布；E表示积分区域；

积分区域E是采集到的RSS指纹使用户被定位到第j个候选定标点而不是第k个候选定标点这样的事件的概率积分空间。所述这样的区域被计算得到，根据最大似然估计理论，最优MP位置应该是RSS空间中相邻最近MPS的最大距离，其中，MP表示真实位置，MPS表示真实位置点对，μ(MP_j)表示第j个候选定标点处实际信号强度均值,表示用户位于第j个候选定标点情况下接收信号强度为的信号的概率。

优选地，所述步骤4包括如下步骤：

步骤4.1：在候选定标点中随机选择m个暂定定标点，其中，m表示最终需要确定的候选点个数；

步骤4.2：使用步骤3采集到的RSS指纹计算所有暂定定标点之间的信号空间距离；

步骤4.3：若迭代次数大于设定值，则返回步骤4.1继续执行；否则，则进入步骤4.4继续执行；其中，该设定值的取值范围是m的10-100倍；

步骤4.4：将暂定定标点作为最优的定标点位置。

与现有技术相比，本发明具有如下的有益效果：

本发明提供了一种室内定位系统的接入点AP和/或定标点MP的部署方法，通过测量各个Wi-Fi接入点的信号强度，在所有候选定标点位置进行指纹采集。系统通过采集得到的指纹，利用聚类算法求出最优的定标点位置，并根据此得到衡量AP部署策略指标的参数，再利用模拟退火算法得到最优的AP部署方案，能够有效提高室内定位的精度。本发明一方面优化AP部署策略，从而提高了定位准确度，一方面通过优化定标点部署，减少了指纹采集的需求量，节约人力物力消耗。

附图说明

通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明的步骤流程图。

图2为本发明的实例场地示意图。

具体实施方式

下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明，但不以任何形式限制本发明。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变化和改进。这些都属于本发明的保护范围。

根据本发明提供的一种基于RSS指纹室内定位系统的接入点和定标点部署方法，包括如下步骤：

步骤1：根据测量到的定位场所信号，得到衡量AP部署策略指标的参数；

步骤2：根据所述衡量AP部署策略指标的参数，利用模拟退火算法得到最优的AP部署方案。

优选地，所述步骤1包括如下步骤：

步骤1.1：在候选AP部署点上摆放AP，并测量候选定标点的RSS指纹；

步骤1.2：根据候选定标点的RSS指纹，得到不同候选AP部署点所对应的特征复向量作为衡量AP部署策略指标的参数；其中，特征复向量由Z_i表示，计算方法为：

$Z_i=p_i{e}^{2{\mathrm{i\φ}}_i}$

其中，Z_i表示第i个AP信号的特征复向量，p_i表示第i个AP信号的梯度特征，i表示测量到的AP信号的序号，i为正整数，φ_i表示第i个AP信号的方向特征；

p_i的计算方式为：

$p_i={\left(\frac{\▿{\mathrm{\μ}}_i}{{\mathrm{\δ}}_i}\right)}^2$

其中，是第i个AP信号的梯度，δ_i是第i个AP信号的噪声方差值。

优选地，所述步骤2包括如下步骤：

步骤2.1：初始化其中，表示离散化的物理空间，表示平面直角坐标系Oxy中x方向向量，表示平面直角坐标系Oxy中y方向向量；

步骤2.2：当T≥t*时，进入步骤2.3；其中，T表示退火温度，t*表示阈值温度；

步骤2.3：通过随机改变一个中的候选AP部署点，由旧AP部署策略产生新AP部署策略；

步骤2.4：对于衡量新AP部署策略指标的参数、旧AP部署策略指标的参数，评价指标为定位精度期望：

其中，s表示测量人员在室内空间面积，表示评估得到的候选定标点位置的定位精度，表示用户出现在候选定标点位置的概率，表示用户出现的位置向量；r表示用户出现的位置向量的向量模；

$R_n={\max }_{V_n\∈U_n}\{{\left(\underset{i\∈V_n}{\mathrm{\Σ}}\right|Z_i\left|\right)}^2-{\left(\right|\underset{i\∈V_n}{\mathrm{\Σ}}{Z}_i\left|\right)}^2\}$

其中，V_n表示第n种测量策略，n为正整数，U_n是所有测量策略的集合；i∈V_n表示第n种测量策略V_n中的测量序号；R_n表示定位精度；

步骤2.5：如果新AP部署策略的定位精度期望高于旧AP部署策略的定位精度期望，则直接接收新AP部署策略作为模拟退火算法的输出；

如果新AP部署策略的定位精度期望低于旧AP部署策略的定位精度期望，则以的概率接收，其中，Δ表示新AP部署策略的定位精度期望与旧AP部署策略的定位精度期望之间的差异绝对值，T表示退火温度，e表示自然底数；

步骤2.6：更新退火温度：

$T=\frac{\mathrm{\ω}}{log(t+k)}$

其中，ω的取值范围为大于等于100且小于等于1000，k的取值范围为大于1的正数，t表示迭代变量，t的取值范围为t＝0，1，2，3...；

若T≥t*，则返回步骤2.3继续执行；否则，则进入步骤2.7继续执行；

步骤2.7：执行其中，符号←表示加入集合，上标*表示闭包，表示离散化的物理空间的闭包集合，即为最优的AP部署方案。

优选地，还包括如下步骤：

步骤3：在所有候选定标点位置进行RSS指纹采集；

步骤4：根据RSS指纹，利用聚类算法求出最优的定标点位置。

优选地，所述步骤3包括如下步骤：

步骤3.1：依次在各个候选定标点上收集AP信号，统计出在各个候选定标点上所能接收的信号范围内所有AP信号的信号强度。

优选地，在所述步骤3中：

RSS是高斯分布：

其中，表示用户位于第k个候选定标点情况下接收信号强度为的信号的概率，表示用户测量得到的信号强度，μ(MP_k)表示第k个候选定标点处实际信号强度均值，i表示测量到的AP信号的序号，i为正整数，σ_i表示第i个AP信号的信号高斯分布的方差，表示第i个AP信号的信号值，μ_i(MP_k)表示在第k个候选定标点处第i个AP信号的高斯分布的均值；

其中，p₀表示发送能量，γ表示常数，γ的取值范围为2-10；

优选地，在所述步骤3中：

得到定位错误率P_e，以用于检验定位效果：

其中，P_e表示定位错误率，K_j表示用户被定位到第j个候选定标点，j、k为正整数，表示用户出现的位置向量，MP_k表示用户所在第k个候选定标点的真实位置，表示用户在第k个候选定标点被定位至第j个候选定标点的概率，表示用户测得AP信号强度的概率分布；E表示积分区域；

积分区域E是采集到的RSS指纹使用户被定位到第j个候选定标点而不是第k个候选定标点这样的事件的概率积分空间。所述这样的区域被计算得到，根据最大似然估计理论，最优MP位置应该是RSS空间中相邻最近MPS的最大距离，其中，MP表示真实位置，MPS表示真实位置点对，μ(MP_j)表示第j个候选定标点处实际信号强度均值,表示用户位于第j个候选定标点情况下接收信号强度为的信号的概率。

优选地，所述步骤4包括如下步骤：

步骤4.1：在候选定标点中随机选择m个暂定定标点，其中，m表示最终需要确定的候选点个数；

步骤4.2：使用步骤3采集到的RSS指纹计算所有暂定定标点之间的信号空间距离；

步骤4.3：若迭代次数大于设定值，则返回步骤4.1继续执行；否则，则进入步骤4.4继续执行；其中，该设定值的取值范围是m的10-100倍；

步骤4.4：将暂定定标点作为最优的定标点位置。

下面对本发明进行更为具体的描述。

根据本发明提供的一种基于RSS指纹室内定位系统的接入点和定标点部署方法，包括如下步骤：

步骤1：根据测量到的定位场所信号，得到衡量AP部署策略指标的参数；

步骤2：根据所述衡量AP部署策略指标的参数，利用模拟退火算法得到最优的AP部署方案；

步骤3：在所有候选定标点位置进行RSS指纹采集；

步骤4：根据RSS指纹，利用聚类算法求出最优的定标点位置。

所述步骤1包括如下步骤：

步骤1.1：在候选AP部署点上摆放AP，并测量候选定标点的RSS指纹；

步骤1.2：根据候选定标点的RSS指纹，得到不同候选AP部署点所对应的特征复向量作为衡量AP部署策略指标的参数；其中，特征复向量由Z_i表示，计算方法为：

$Z_i=p_i{e}^{2{\mathrm{i\φ}}_i}$

其中，Z_i表示第i个AP信号的特征复向量，p_i表示第i个AP信号的梯度特征，i表示测量到的AP信号的序号，i为正整数，φ_i表示第i个AP信号的方向特征；

p_i的计算方式为：

$p_i={\left(\frac{\▿{\mathrm{\μ}}_i}{{\mathrm{\δ}}_i}\right)}^2$

其中，是第i个AP信号的梯度，δ_i是第i个AP信号的噪声方差值。

所述步骤2包括如下步骤：

步骤2.1：初始化其中，表示离散化的物理空间，表示平面直角坐标系Oxy中x方向向量，表示平面直角坐标系Oxy中y方向向量；

步骤2.2：当T≥t*时，进入步骤2.3；其中，T表示退火温度，t*表示阈值温度；

步骤2.3：通过随机改变一个中的候选AP部署点，由旧AP部署策略产生新AP部署策略；

步骤2.4：对于衡量新AP部署策略指标的参数、旧AP部署策略指标的参数，评价指标为定位精度期望：

其中，s表示测量人员在室内空间面积，表示评估得到的候选定标点位置的定位精度，表示用户出现在候选定标点位置的概率，表示用户出现的位置向量；r表示用户出现的位置向量的向量模；

$R_n={\max }_{V_n\∈U_n}\{{\left(\underset{i\∈V_n}{\mathrm{\Σ}}\right|Z_i\left|\right)}^2-{\left(\right|\underset{i\∈V_n}{\mathrm{\Σ}}{Z}_i\left|\right)}^2\}$

其中，V_n表示第n种测量策略，n为正整数，U_n是所有测量策略的集合；i∈V_n表示第n种测量策略中的测量序号；R_n表示定位精度；

步骤2.5：如果新AP部署策略的定位精度期望高于旧AP部署策略的定位精度期望，则直接接收新AP部署策略作为模拟退火算法的输出；

如果新AP部署策略的定位精度期望低于旧AP部署策略的定位精度期望，则以的概率接收，其中，Δ表示新AP部署策略的定位精度期望与旧AP部署策略的定位精度期望之间的差异绝对值，T表示退火温度，e表示自然底数；

步骤2.6：更新退火温度：

$T=\frac{\mathrm{\ω}}{log(t+k)}$

其中，ω的取值范围为大于等于100且小于等于1000，k的取值范围为大于1的正数，t表示迭代变量，t的取值范围为t＝0，1，2，3...；

若T≥t*，则返回步骤2.3继续执行；否则，则进入步骤2.7继续执行；

步骤2.7：执行其中，符号←表示加入集合，上标*表示闭包，表示离散化的物理空间的闭包集合，即为最优的AP部署方案。

所述步骤3包括如下步骤：

步骤3.1：依次在各个候选定标点上收集AP信号，统计出在各个候选定标点上所能接收的信号范围内所有AP信号的信号强度。

在所述步骤3中：衡量接入点与定标点部署方法的标准为定位可靠性的期望Er，计算方式为：

其中，K_k表示第k个候选定标点，k为正整数，MP_k表示用户所在第k个定标点的真实位置，表示用户出现的位置向量，r表示用户出现的位置向量的向量模，表示当用户所在真实位置是MP_k时用户在第k个候选定标点K_k的相邻点的可能性，P(r∈K_k)表示用户所在真实位置属于第k个候选定标点的概率。

基于最大化定位可靠性的期望的标准可知，保证测量点的RSS在信号空间间隔足够大的接入点和定标点部署方法定位可靠性更高。

如果用户出现在每一个定标点有同样的可能性，则P(r∈K_i)的可能性的倒数是1/|P(r∈K_i)|。

在所述步骤3中：

RSS是高斯分布：

其中，表示用户位于第k个候选定标点情况下接收信号强度为的信号的概率，表示用户测量得到的信号强度，μ(MP_k)表示第k个候选定标点处实际信号强度均值，i表示测量到的AP信号的序号，i为正整数，σ_i表示第i个AP信号的信号高斯分布的方差，表示第i个AP信号的信号值，μ_i(MP_k)表示在第k个候选定标点处第i个AP信号的高斯分布的均值；

其中，p₀表示发送能量，γ表示常数，γ的取值范围为[2，10]；

在所述步骤3中：

得到定位错误率P_e，以用于检验定位效果：

其中，P_e表示定位错误率，K_j表示用户被定位到第j个候选定标点，j为正整数，表示用户出现的位置向量，MP_k表示用户所在第k个候选定标点的真实位置，表示用户在第k个候选定标点被定位至第j个候选定标点的概率，表示用户测得AP信号强度的概率分布；E表示整合区域；

积分区域E是采集到的RSS指纹使用户被定位到第j个候选定标点而不是第k个候选定标点这样的事件的概率积分空间所述这样的区域被计算得到，根据最大似然估计理论，最优MP位置应该是RSS空间中相邻最近MPS的最大距离，其中，MP表示真实位置，MPS表示真实位置点对，μ(MP_j)表示第j个候选定标点处实际信号强度均值,表示用户位于第j个候选定标点情况下接收信号强度为的信号的概率。

所述步骤4包括如下步骤：

步骤4.1：在候选定标点中随机选择m个暂定定标点，其中，m表示最终需要确定的候选点个数；

步骤4.2：使用步骤3采集到的RSS指纹计算所有暂定定标点之间的信号空间距离；

步骤4.3：若迭代次数大于设定值，则返回步骤4.1继续执行；否则，则进入步骤4.4继续执行；其中，该设定值的取值范围是m的10-100倍；

步骤4.4：将暂定定标点作为最优的定标点位置。

在一个优选例中，请同时参阅图1，图2。本实施例的环境参数为：7m*7m的定位场地，每隔1s进行一次采样，样本数量为100。所述步骤3中进行指纹采集的方式为，用户依次站在所有的候选定标点上，利用手持的智能设备，运行收集信号强度的程序，在一段时间内，统计出在用户所能接收的信号范围内所有AP的信号强度。

以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变化或修改，这并不影响本发明的实质内容。在不冲突的情况下，本申请的实施例和实施例中的特征可以任意相互组合。

Claims (8)

1.一种基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，包括如下步骤：

步骤1：根据测量到的定位场所信号，得到衡量AP部署策略指标的参数；

步骤2：根据所述衡量AP部署策略指标的参数，利用模拟退火算法得到最优的AP部署方案。

2.根据权利要求1所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，所述步骤1包括如下步骤：

步骤1.1：在候选AP部署点上摆放AP，并测量候选定标点的RSS指纹；

步骤1.2：根据候选定标点的RSS指纹，得到不同候选AP部署点所对应的特征复向量作为衡量AP部署策略指标的参数；其中，特征复向量由Z_i表示，计算方法为：

$Z_i=p_i{e}^{2{\mathrm{i\φ}}_i}$

其中，Z_i表示第i个AP信号的特征复向量，p_i表示第i个AP信号的梯度特征，i表示测量到的AP信号的序号，i为正整数，φ_i表示第i个AP信号的方向特征；

p_i的计算方式为：

$p_i={\left(\frac{\▿{\mathrm{\μ}}_i}{{\mathrm{\δ}}_i}\right)}^2$

其中，▽μ_i是第i个AP信号的梯度，δ_i是第i个AP信号的噪声方差值。

3.根据权利要求1所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，所述步骤2包括如下步骤：

步骤2.1：初始化其中，表示离散化的物理空间，表示平面直角坐标系Oxy中x方向向量，表示平面直角坐标系Oxy中y方向向量；

步骤2.2：当T≥t*时，进入步骤2.3；其中，T表示退火温度，t*表示阈值温度；

步骤2.3：通过随机改变一个中的候选AP部署点，由旧AP部署策略产生新AP部署策略；

步骤2.4：对于衡量新AP部署策略指标的参数、旧AP部署策略指标的参数，评价指标为定位精度期望：

其中，s表示测量人员在室内空间面积，表示评估得到的候选定标点位置的定位精度，表示用户出现在候选定标点位置的概率，表示用户出现的位置向量；r表示用户出现的位置向量的向量模；

$R_n={\max }_{V_n\∈U_n}\{{\left(\underset{i\∈V_n}{\mathrm{\Σ}}\right|Z_i\left|\right)}^2-{\left(\right|\underset{i\∈V_n}{\mathrm{\Σ}}{Z}_i\left|\right)}^2\}$

其中，V_n表示第n种测量策略，n为正整数，U_n是所有测量策略的集合；i∈V_n表示第n种测量策略V_n中的测量序号；R_n表示定位精度；

步骤2.5：如果新AP部署策略的定位精度期望高于旧AP部署策略的定位精度期望，则直接接收新AP部署策略作为模拟退火算法的输出；

如果新AP部署策略的定位精度期望低于旧AP部署策略的定位精度期望，则以的概率接收，其中，Δ表示新AP部署策略的定位精度期望与旧AP部署策略的定位精度期望之间的差异绝对值，T表示退火温度，e表示自然底数；

步骤2.6：更新退火温度：

$T=\frac{\mathrm{\ω}}{log(t+k)}$

其中，ω的取值范围为大于等于100且小于等于1000，k的取值范围为大于1的正数，t表示迭代变量，t的取值范围为t＝0，1，2，3...；

若T≥t*，则返回步骤2.3继续执行；否则，则进入步骤2.7继续执行；

步骤2.7：执行其中，符号←表示加入集合，上标*表示闭包，表示离散化的物理空间的闭包集合，即为最优的AP部署方案。

4.根据权利要求1所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，还包括如下步骤：

步骤3：在所有候选定标点位置进行RSS指纹采集；

步骤4：根据RSS指纹，利用聚类算法求出最优的定标点位置。

5.根据权利要求4所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，所述步骤3包括如下步骤：

步骤3.1：依次在各个候选定标点上收集AP信号，统计出在各个候选定标点上所能接收的信号范围内所有AP信号的信号强度。

6.根据权利要求4所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，在所述步骤3中：

RSS是高斯分布：

其中，表示用户位于第k个候选定标点情况下接收信号强度为的信号的概率，表示用户测量得到的信号强度，μ(MP_k)表示第k个候选定标点处实际信号强度均值，i表示测量到的AP信号的序号，i为正整数，σ_i表示第i个AP信号的信号高斯分布的方差，表示第i个AP信号的信号值，μ_i(MP_k)表示在第k个候选定标点处第i个AP信号的高斯分布的均值；

其中，p₀表示发送能量，γ表示常数，γ的取值范围为[2,10]。

7.根据权利要求4所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，在所述步骤3中：

得到定位错误率P_e，以用于检验定位效果：

其中，P_e表示定位错误率，K_j表示用户被定位到第j个候选定标点，j、k为正整数，表示用户出现的位置向量，MP_k表示用户所在第k个候选定标点的真实位置，表示用户在第k个候选定标点被定位至第j个候选定标点的概率，表示用户测得AP信号强度的概率分布；E表示积分区域；

积分区域E是采集到的RSS指纹使用户被定位到第j个候选定标点而不是第k个候选定标点这样的事件的概率积分空间。

8.根据权利要求4所述的基于RSS指纹室内定位系统的接入点和定标点部署方法，其特征在于，所述步骤4包括如下步骤：

步骤4.1：在候选定标点中随机选择m个暂定定标点，其中，m表示最终需要确定的候选点个数；

步骤4.2：使用步骤3采集到的RSS指纹计算所有暂定定标点之间的信号空间距离；

步骤4.3：若迭代次数大于设定值，则返回步骤4.1继续执行；否则，则进入步骤4.4继续执行；其中，该设定值的取值范围是m的10-100倍；

步骤4.4：将暂定定标点作为最优的定标点位置。