1.基于线段密度的室内WLAN用户定位与行为分析方法，其特征在于，包括以下步骤：步骤一、将目标区域划分为NArea个子区域；

步骤二、采集目标区域内运动用户的Nseq条RSS序列，记为 其中，第i条RSS序列 具体表示为：

其中，rssij＝(rssij1,rssij2,...,rssijk),1≤j≤Mi,为 中第j个信号矢量，Mi为第i条RSS序列的序列长度，即第i条RSS序列包含的信号矢量个数，k1为AP数目， 为第i条RSS序列内第j个信号矢量中来自第l1个接入点AP的信号强度值；

步骤三、对采集的每条RSS序列进行小波去噪处理，得到新的Nseq条RSS序列，记为步骤四、利用多维尺度MDS方法对所述步骤三得到的RSS序列 中的信号矢量 进行降维处理，以得到所有信号矢量在二维信号空间中对应的坐标；

步骤五、构建每条RSS序列 在二维信号空间中对应的路径轨迹 及其所包含的线段；

步骤六、对所有路径轨迹 所包含的线段进行基于线段密度的聚类，以得到每条线段所属的聚类号及每个聚类所包含的线段集合；

步骤七、根据线段聚类间的转移关系构建信号逻辑图，并得到各聚类间的转移次数；

步骤八、对区域内用户的运动路径模式进行观测，得到NPathPattern种不同的运动路径模式，并统计用户从每个子区域到其他子区域的转移次数；

步骤九、根据各子区域间的连接关系，将目标区域表示为一幅由不同子区域节点相互连通的物理逻辑图；

步骤十、根据所述步骤七所得到的各聚类间的转移次数与所述步骤八所得到的用户从每个子区域到其他子区域的转移次数，分别构建信号与物理空间的概率转移矩阵PS和PA，同时，将信号逻辑图与物理逻辑图中各个节点的热度进行排序，并把信号逻辑图中各个节点映射到物理逻辑图中热度排序相同的节点，进而得到信号逻辑图到物理逻辑图的映射准则；

步骤十一、在定位阶段，令新采集的信号序列为

步骤十二、根据所述步骤六所得到的聚类，将每个聚类所包含的RSS信号拟合为正态分布，并通过计算新采集信号序列RSSnew相对于每个聚类的联合概率来判断其所属聚类；

步骤十三、根据所述步骤十所得到的信号逻辑图到物理逻辑图的映射准则，得到新采集信号序列RSSnew所属的子区域；

步骤十四、通过对大量新采集信号序列的定位结果进行统计分析，构建用户行为分布图；

步骤十五、基于所述步骤十四所得到的用户行为分布图，对目标区域内用户的行为进行分析，得到用户行为分析结果。

2.根据权利要求1所述的基于线段密度的室内WLAN用户定位与行为分析方法，其特征在于，所述步骤六包括以下步骤：

6a、定义任意两条线段Li与Lj之间的三个广义距离：垂直距离 平行距离 和角度距离其中， 和 为线段Li到Lj的三个广义距离， 和 为线段Lj到Li的三个广义距离，基于此，Li与Lj之间的距离公式为

6b、令idij表示路径轨迹 中第j条线段 所属的聚类号，将所有线段所属聚类号idij的初始值设置为0，其中，idij＝0表示线段 未被聚类且设置聚类号CN＝1；

6c、任意选择一个未被遍历的线段Li,1≤i≤Mi-1,利用步骤6a中的距离公式计算其它线段Lj,1≤j≤Mj-1,与线段Li的距离dij；

6d、比较dij与e邻域的大小，若dij≤e，则令线段Lj在Li的e邻域内，记Li的e邻域为N(Li)；

6e、记线段Li的e邻域内的线段数目为 并比较 与最小线段数阈值Min的大小；若则令线段Li为核心线段且Li的e邻域内的所有线段都属于第CN类，即idij＝CN，同时，令候选集Q＝N(Li)-Li并转至步骤6f；反之，转至步骤6c；

6f、遍历候选集Q中线段Li，重复步骤6c至步骤6e，并将满足条件的新候选集归并到Q中；

6g、令CN＝CN+1；

6h、重复步骤6c至步骤6g，直至完成对所有线段的遍历，其中，idij＝0所对应的线段表示噪声；

6i、将步骤三得到的 中idij相同的信号矢量 存储为一类，记为其中，clusterCN,1≤CN≤m,为第CN个RSS信号聚类， 表示idij＝CN的RSS矢量集合，m表示聚类个数；

6j、将路径轨迹 中线段的所属聚类号集合用 表示，即：其中， 为第i条路径轨迹 中第j条线段的所属聚类号。

3.根据权利要求1或2所述的基于线段密度的室内WLAN用户定位与行为分析方法，其特征在于，所述步骤七包括以下步骤：

7a、根据步骤六的结果，在集合 中，将每条线段所属的聚类号作为一个元素，且每个不同的元素用一个圆圈表示，圆圈中的值用对应的元素值进行表示；

7b、顺序遍历集合 中的元素，若当前时刻与上一时刻遍历元素不同，则连接两时刻遍历元素所对应的圆圈，其中，当两元素所对应的圆圈存在多次连接时，仅保留一条连接线段；

7c、重复步骤7b，直至遍历完 中的所有元素，从而完成路径轨迹 所对应的信号逻辑图的构建；

7d、重复步骤7a至步骤7c，得到所有路径轨迹 所对应的信号逻辑图；

7e、用圆圈表示所述步骤六得到的所有聚类，每个圆圈表示一个聚类，圆圈中的值用对应的聚类号进行表示；

7f、根据路径轨迹 所对应的信号逻辑图中圆圈之间连接关系，连接步骤7e中的圆圈；

7g、重复步骤7e至步骤7f，将所有路径轨迹 所对应的信号逻辑图进行合并，进而形成最终的信号逻辑图，当两圆圈存在多次连接时，仅保留一条连接线段；

7h、统计集合clusterCN中各聚类间的转移次数，令 表示聚类到 的转移次数。

4.根据权利要求3所述的基于线段密度的室内WLAN用户定位与行为分析方法，其特征在于，所述步骤十二包括以下步骤：

12a、根据步骤六的结果，得到每个聚类中来自每个AP的RSS信号统计分布，并将其拟合为正态分布，记第j个聚类中来自第i个AP的RSS信号拟合为正态分布 其中，和 分别表示第j个聚类中来自第i个AP的RSS信号的均值和方差；

12b、计算新采集信号序列RSSnew相对于每个聚类的联合概率，令 表示新采集信号序列相对于第u个聚类的联合概率，其中，k1为AP数目， 表示新采集信号序列中来自第x个AP的RSS信号在正态分布 条件下的概率值；

12c、选择具有最大联合概率的聚类为新采集信号序列RSSnew的所属聚类，即当pv＝max

1 2 m

{p ,p ...p},1≤v≤m,时，则RSSnew属于第v类。