1.基于二级分区与指纹梯度匹配的室内定位与跟踪方法，其特征在于包括如下步骤：

步骤1：获取底层特征指纹库，此指纹库是用来获得参考点的特征指纹，包含采集和处理参考点数据，获取一级分区词典，划分AP聚类二级分区和提取二级分区中心标识索引，对人工标记训练参考点属性，聚类过程；

步骤2：得到梯度指纹图谱，所述的梯度指纹图谱是获得基于AP聚类二级分区中心的标识索引的各参考点特征指纹的多进制梯度特征指纹向量，包含获取多级分区内各个参考点的多进制梯度特征指纹向量，根据训练参考点的特征指纹得到多级分区分类器，预测得到测试所属分区；

步骤3：定位步骤，采集待定位点的指纹进行位置预测，包含得到所有分区内参考点的多进制梯度特征指纹向量的梯度指纹图谱，利用多级分区分类器获取所属分区，获取该AP聚类二级分区中心的标识索引，通过多进制梯度KNN匹配算法，预测待定位点的位置坐标；

步骤4：跟踪步骤，对各种运动模式进行跟踪定位，包含得到指纹定位的位置坐标，传感器采集和处理的数据，利用室内运动测距算法和前一步参考位置坐标，预测当前位置坐标和运动轨迹，完成指纹定位的周期性位置联合跟踪定位。

2.根据权利要求1所述的室内定位与跟踪方法，其特征是，所述步骤1具体包括：

步骤11：获取室内地图数据：获取全区域的室内空间平面矢量图，确定参与定位的所有AP信息并建立AP库，对全区域根据已存在的障碍物分成大小不一的一级分区并标示编号，保证全区域90％以上的Wi-Fi覆盖；

步骤12：提取参考点指纹：确定所有一级分区内所有网格参考点的设置，包括特殊地点设置参考点，对每个参考点标注基于室内地图的二维坐标(x,y)和数字编号，对包含一级分区内对已设置的参考点进行信号强度采集并处理，获得6组来自参与定位AP的最强RSS排序序列向量作为该参考点位置特征指纹；

步骤13：提取一级分区词典：对于一级分区内的每一个参考点，利用特征指纹提取参考点的最强RSS的AP及其RSS，每个一级分区包含所属空间编号和最强特征AP，建立一级分区词典；

步骤14：提取AP聚类二级分区中心的标识索引：提取的AP聚类二级分区中心的标识索引有两个方面，一个是根据一级分区内所有参考点有相同的AP组合序列向量进行聚类，同时根据组合聚类得到该一级分区内的多个含有参考点数量不一的AP聚类二级分区；另外一个是根据AP聚类二级分区的所有参考点信号强度，得到信号强度的均值向量,聚类得到一个关于该分区中心的标识索引；

步骤15：得到特征指纹库:对全区域每个参考点的所属的多级分区，一级分区词典和所有AP聚类二级分区标识索引，对于全区域所有一级分区内的所有AP聚类二级分区中的参考点特征指纹进行聚类，形成特征指纹库。

3.根据权利要求2所述的室内定位与跟踪方法，其特征是，提取参考点特征指纹进一步包括：利用Wi-Fi信号强度指纹采集器，在成功部署无线节点的室内划分网格，将网络中心点作为参考点，在第k个参考点进行信号强度连续采集60s并标注位置坐标信息，得到20组信号强度数据,离线训练后可以得到一定范围内某个AP在不同参考位置检测到的信号强度，利用对每个参考点的多组数据中来自同一个Wi-Fi发射器的RSS过滤，去剔除奇异值并求均值，得到位置指纹，对原始指纹按信号强度排序，得到该参考点排序指纹并选取前6位信号强度较大的指纹序列向量，获得第k个参考点特征指纹。

4.根据权利要求1所述的室内定位与跟踪方法，其特征是，所述步骤2具体包括以下步骤：

步骤21：提取多进制梯度指纹图谱：每个AP聚类二级分区内所有参考点和标识索引进行梯度对比，得到一组多进制数值的特征向量，这些向量与AP聚类二级分区标识索引聚类，形成多进制梯度指纹图谱；

步骤22：得到多级分区分类器：一级多级分区分类器，根据步骤1中一级分区词典比对，可以初步缩小定位范围，根据和AP聚类二级分区中心的标识索引中的AP序列向量及标识索引匹配，确定所属AP聚类二级分区，形成多级分区分类器。

5.根据权利要求4所述的室内定位与跟踪方法，其特征是所述提取多进制梯度指纹图谱对于所有AP聚类二级分区，其拥有通过独一无二的标识索引，标识索引与该分区内所有参考点特征指纹相比较，如果在参考点指纹对应AP的RSS值与标识索引中对应AP下的RSS值之间的差大于阈值δ且小于2δ，则生成一个输出1，当差小于-δ且大于-2δ时，输出-1，以此递推，两者对应的RSS值之间的差大于阈值3δ，则生成一个输出3，当差小于-3δ时，则生成一个输出-3，通过这种方式，将RSS增大和减小分别由1，2，3和-1，-2，-3表示，若没有明显的变化时产生一个0，将每个参考点提取到的多进制向量和标识索引根据多级分区提取并构建分区的多进制梯度指纹图谱。

6.根据权利要求4所述的室内定位与跟踪方法，其特征是，得到AP聚类二级分区特征标识索引，在得到一级分区内所有参考点特征指纹并提取AP序列进行聚类后，得到若干个大小不一的AP序列聚类分区，即AP聚类二级分区，每个AP聚类二级分区内的参考点指纹拥有6个相同的AP序列，对该二级分区内所有参考点指纹接收信号强度向量求均值，得到一组信号强度序列的特征向量并与AP序列聚类，得到AP聚类二级分区特征标识索引，位置指纹可以通过。

7.根据权利要求4所述的室内定位与跟踪方法，其特征是，得到多级分区分类器，多级分区分类器是通过一级分区词典和二级分区标识索引聚合得到的分类模型。

8.根据权利要求1所述的室内定位与跟踪方法，其特征是，所述步骤3具体包括：

步骤31：得到基于待测点的特征指纹:采集当前时间节点的位置指纹，得到了原始RSS排序序列向量及对应AP聚类组合并且所有AP都在AP库中存在；

步骤32：确定所属分区:提取前3个最强信号强度的AP，利用步骤22中多级分区分类器，得到所在的一级分区和二级分区；

步骤33：识别定位:对于室内位置预测，待定位点提取相对于标识索引的位置指纹并多进制梯度化，与所属AP聚类二级分区内其他参考点梯度图谱匹配并设置得分，通过得分和KNN加权算法得到室内位置坐标。

9.根据权利要求1所述的室内定位与跟踪方法，其特征是，所述步骤4具体包括：

步骤41：运动检测模块实时检测用户移动状态:获取步骤3的位置坐标，首先，利用加速度计获取加速度信息，以此通过步态检测算法判断运动移动状态；然后，利用陀螺仪、磁力计分别获得终端的地磁方向和旋转速率，并据此采用航向计算算法得到运动的运动方向，室内参考点坐标信息和运动检测数据相结合，通过地图匹配的粒子滤波算法得到运动的估算位置；

步骤42：周期性Wi-Fi联合位置评估:位置辅助定位周期T设为20秒，每20秒Wi-Fi指纹采集触发器触发一次，启动Wi-Fi指纹采集定位来匹配当前坐标，通过与传感器位置估计的联合质量评估，确定最终目标室内坐标。