1.一种基于WIFI与PDR融合的室内定位方法，其特征在于，包括如下步骤：(1)建立WIFI离线指纹数据库；

在定位区域布置M个发射Wifi热点的AP节点，将定位区域划分为N个节点，计算各个节点的实际位置，采集N个节点中来自各个AP节点的信号强度RSSI，得到RSSI训练样本，将RSSI训练样本与其实际位置对应，建立指纹数据库；

(2)聚类训练样本得到聚类样本和对应类别；

通过K-means算法对训练样本集I进行聚类，将训练样本分为V个类{c1,c2,.cv..cV}，每个类中心向量定义为{C1,C2,...CV},指纹数据库中训练样本分别划分到V个类中，得到聚类样本数据集：L＝{(r1,cv1),(r2,cv2),...(ri,cvi),...,(rN,cvN)}    (2)其中，ri＝(ri1,ri2,...,riM)∈RM表示M个AP的RSSI，其对应的类别 表示其属于的V类别，cv类由p个训练样本{rv1,rv2,...,rvp}组成，对所有cv类训练样本取平均值得到cv类中心向量(3)通过加权K近邻算法得到定位坐标；

在线获取RSSI样本，找出与获取的RSSI样本最相似的类，通过K个最近邻样本预测在线获取的RSSI样本的属性值，对K个训练样本对应的位置进行加权，获得其位置坐标；在线获取的RSSI样本记为T＝((rj1,rj2,...,rjM),(x,y))，其中在线获取的RSSI向量r由rj＝(rj1,rj2,...,rjM)∈RM表示，表示在线接收的M个AP的RSSI，位置向量o＝(x,y)表示在线获取的RSSI的位置信息，其中在线获取的RSSI向量已知，位置向量(x,y)未知；

首先计算r向量与V个类中心RSSI向量{C1,C2,...CV}的相似度，确定与r向量最相似的类别，r向量{rj1,rj2,...,rjM}与第i个类中心的RSSI向量 的余弦相似度定义为：同理，计算r向量与其他类别中心RSSI向量的相似度，经过V次计算，得到V个余弦相似度{Sim1,Sim2,...,SimV}，其中最大相似度所对应的类别cv就是与r向量最相似的类别；

确定最相似类别cv与r向量最相似的K个样本rK1,rK2,.rKi..,rKK相似度分别为SimK1,SimK2,...,SimKK,(xK1,yK1)，(xK2,yK2),...,(xKK,yKK)表示对应的坐标，(ri1,r12,...riM)表示选取的最相似的样本rKi对应的RSSI样本，归一化处理相似度，定义影响定位结果的权重为{wK1,wK2,...,wKK}；

加权样本坐标，得到在线获取的RSSI的位置坐标：

x＝wK1xK1+wK2xK2+...+wKKxKK    (6)y＝wK1yK1+wK2yK2+...+wKKyKK    (7)(4)融合PDR定位进行状态和位置的更新；

构建行人行走的系统模型，PDR定位的初始位置坐标通过WIFI定位获得，融合WIFI定位和PDR定位得到误差阈值门限；通过智能终端内置传感器、陀螺仪、方向传感器可以获得行人完成一步后的位置，使用量测方程更新状态信息和位置信息；

(5)使用融合结果作为PDR的校正源；

设定PDR偏差阈值门限εpdr，如果偏差超过设定的门限值，校正定位结果，使用WIFI和PDR融合结果作为PDR的校正源；

(6)通过评价参数获取校正因子校正PDR结果；

使用间隔时间段的数据来获取评价参数，通过评价参数获取校正因子，对PDR结果进行校正；具体过程如下：表示通过融合定位后的定位结果， 表示PDR单独定位结果，PDR单独定位结果由下式获得，

y2＝y1+S12cosθ1    (10)

x2＝x1+S12sinθ1    (11)

(x1,x2)为PDR初始位置，(x2,y2)为PDR定位坐标，位移S由步长模型匹配加速度传感器获得，选取为行人步长60cm，方向角θ通过传感器及陀螺仪获得。

其定位结果差为：

设在[0,K]时间内，累积误差表示为：

使用该特征作为PDR定位的校正因子，其校正原则如下：

若累计误差Cx和Cy绝对值∈[0,σ1]，定位误差可忽略，无需校正；

若累计误差Cx和Cy绝对值∈[σ1,σ2]，满足误差评价要求，校正定位结果；

若累计误差Cx和Cy绝对值∈[σ2,∞]，不满足误差评价要求，WIFI定位误差较大，重新进行融合定位；

由于PDR定位结果存在累积误差等问题，会导致校正信息不对应，矫正能力过弱，通过设置校正比例因子α来代表当前时间的误差和前一段时间的误差的比例关系，[0,K]表示时间段，CN＝αCk表示比例关系，通过下式平滑M时间段内的校正过程，解决定位结果突变问题：式中，j∈[1,M]。

2.根据权利要求1所述的基于WIFI与PDR融合的室内定位方法，其特征在于，步骤(1)中，所述训练样本的数集表示为：I＝{(r1,o1),(r2,o2),...,(ri,oi),...,(rN,oN)}    (1)其中，向量ri＝(ri1,ri2,...,riM)∈RM表示来自M个WIFI热点的RSSI向量，ri1为来自第1个WIFI热点的RSSI，riM为第M个AP的RSSI，位置向量oi＝(x,y)∈R2表示ri向量对应的位置，x为该位置的x轴坐标，y为该位置的y轴坐标，训练样本的RSSI向量ri和位置向量oi都是已知的，i＝1,2,...N。

3.根据权利要求1或2所述的基于WIFI与PDR融合的室内定位方法，其特征在于，步骤(4)中，所述行人行走的系统模型如下：其中行走的步数用K表示，行走后的位置信息用xk,yk表示，θk表示K步后的方位朝向角，Wk-1表示噪声，为步长平均值，通过步长模型匹配加速度传感器结果，选择步长为60cm，为朝向角变化量；模拟量测方程如下所示：其中，xk,yk表示通过WIFI定位获得的定位结果；sk表示行人平均行走步长，可以通过加速度传感器获得，设置为Δθk表示行人行走后的朝向角变化量，可以通过智能终端内置陀螺仪获取，θk表示行人行走后的朝向角；Vk表示噪声。