1.一种优化等间隔指纹采样个数的无线室内定位方法，其特征在于，包括如下步骤：步骤1、搭建基于无线通信室内定位环境，在室内布置以UWB无线通信设备作为锚节点的定位环境，并将TOA作为指纹的组成元素，等间隔采集指纹信息，构建指纹集，并初始化指纹信息个数；另在定位环境中随机运动采集指纹信息，构建测试集；

步骤2、将指纹信息及其对应的位置坐标作为训练集，选择机器学习模型并对其进行训练；所述机器学习模型采用KNN算法模型和随机森林模型分别模拟，具体地，所述KNN模型在训练过程输入输出包括以下处理过程：输入：训练集记为D＝{(x1,y1),(x2,y2),...，(xN,yN)}其中 为指纹集中的指纹信息，yi∈Y为指纹信息对应的虚拟点坐标，i＝1,2,

3,...,N；

输出：指纹x所属的坐标y

根据给定的距离度量，在训练集D中找出与x最近邻的k个点，涵盖这k个点的x的领域记作Nk(x)

在Nk(x)中根据分类决策规则决定x的坐标y上式中，I为指示函数，即当yi＝ci时I为1，否则I为0；

所述随机森林模型在训练过程输入输出包括以下处理过程：步骤S1、随机森林使用了CART决策树作为弱学习器；

步骤S2、对决策树的建立进行改进；随机森林通过随机选择节点上的一部分样本特征，然后在这些随机选择的样本特征中，选择一个最优的特征来做决策树的左右子树划分；

输入：训练集D＝{(x1,y1),(x2,y2),...，(xN,yN)}，弱分类器迭代次数为T；其中其中为指纹集中的指纹信息，yi∈Y为指纹信息对应的虚拟点坐标，i＝1,2,3,...,N；

输出：最终的强分类器f(x)

(1)对于t＝1,2,3,...,T；

对训练集进行第t次采样，共采集m次，得到包含m个样本的采样集Dt；

用采样集Dt训练第t个决策树模型Gt(x)，在训练决策树模型的节点的时候，在节点上所有的样本特征中选择一部分样本特征，在这些随机选择的部分样本特征中选择一个最优的特征来做决策树的左右子树划分；

(2)在回归预测中，T个弱学习器得到的回归结果进行算术平均得到的值为最终的模型坐标输出；

步骤3、使用步骤1中构建的测试集，对步骤2中的机器学习模型在测试集中进行测试，获取该训练集下模型的定位精度；

步骤4、增加指纹信息的个数，重复步骤2‑3，获取不同指纹信息个数条件下所述步骤3得到的定位精度，直至指纹集中所有信息全部被使用；

步骤5、根据步骤4获取的定位精度结果，拟合出指纹信息个数相对于定位精度的曲线，根据所述曲线，选择变化率达到设定阈值时的指纹个数作为最优结果；

步骤6、在所述步骤5获得最优指纹采样个数后，完成室内定位系统搭建，用于检测目标具体位置。