随着社会现代化进程的加快,人类有80%以上的时间都在室内环境中活动,对于基于位置的服务(Location Based Services,LBS)的需求日益提高,致使室内定位市场蓬勃发展。近二十年来,各种各样的室内定位技术层出不穷。随着无线网络的大范围覆盖以及智能终端的快速发展,基于Wi-Fi位置指纹的定位方法成为了当前室内定位服务的首选。在位置指纹定位方法中,指纹地图的“保真度”与定位精度紧密相关。在长期的运行过程中,当室内环境中一些无线热点(Access Point,AP)的位置或发射功率发生改变时,指纹地图将不能真实反映室内环境中信号强度的分布情况,因而不能提供令人满意的定位精度。一种直接有效的指纹地图校准方法是对初始的指纹地图进行更新。在指纹地图更新工作中,首先需要识别变化的AP,然后收集用户运动信息和接收信号强度(Received Signal Strength,RSS)以生成包含RSS数据的运动轨迹,继而定位轨迹上多个采样点在指纹地图中的位置坐标,最后将轨迹上采样点的RSS矢量作为其所在指纹地图中相应位置的指纹。然而,用户快速运动下的加速度数据中含有更多的噪声,现有计步算法对噪声的剔除能力不足,容易把噪点当作正常的步伐。同时,用户在运动过程中有多种携带智能手机的模式,不同模式下三个坐标轴上的加速度数据会有明显的差异,因而需要选择合适的坐标轴上的用户加速度数据。此外,相邻两次RSS采样之间的时间需要满足RSS采样时间阈值,否则采样点上部分AP的RSS值实际上可能是已经过时的数据。针对这些问题,本文提出一种区分模式的波峰波谷检测计步算法和一种能够适应AP变化的指纹地图自动更新算法FUAA(Fingerprint Updating Algorithm with Altered APs)。具体来说,本文的主要研究内容如下:(1)为了减少用户快速运动时噪声对计步造成的误差以及实时支持用户携带智能手机的四种模式,本文提出一种区分模式的波峰波谷检测计步算法。对于用户携带智能手机的模式变化,计步算法通过有限状态机进行模式转换。计步算法首先从角速度数据中检测用户携带智能手机的模式变化,并依据重力加速度在三个坐标轴上的分量识别当前用户携带智能手机的四种模式,能够在不同的模式下选取合适的坐标轴上的用户加速度数据。继而利用滑动窗口检测波峰和波谷的可能位置,并使用波峰波谷检测计步算法消除所有的伪波峰和伪波谷,得到了真正的波峰和波谷,完成对用户运动的计步。通过实验证明了该计步算法能够对用户的运动实现准确的计步,有助于自动更新指纹地图。(2)为了减少因AP变化导致指纹地图不能真实反映当前室内环境中信号强度的分布情况而带来的定位误差,本文运用群智感知的思想,收集普通用户在日常生活中的运动数据与指纹信息,提出一种能够适应AP变化的指纹地图自动更新算法FUAA。对于变化的AP,FUAA进行RSS子集采样,从实时采集的一条RSS矢量中获取多个RSS子集,使用基于DBSCAN聚类的变化AP识别算法进行识别。随后FUAA使用防指纹错位的RSS数据收集算法收集用户运动轨迹上多个采样点的RSS矢量,能够使得采集到的RSS数据是最新的,并利用轨迹匹配算法在指纹地图中寻找能最小化轨迹上所有采样点的RSS矢量差的一组参考点。最后FUAA利用反距离加权插值算法估算变化的AP在指纹地图中其余参考点位置上的RSS值,完成指纹地图的更新。通过实验表明,FUAA能够有效地应对AP的变化,减少了指纹地图偏离真实环境造成的定位误差,为指纹地图在长期运行中提供定位服务奠定了基础。