1.一种基于信息增益比的多特征模糊映射接入点优化方法，其特征在于包括以下步骤：

步骤一、离线阶段，在目标环境中部署n个位置已知的AP并标定m个参考点(Reference Point,RP)，其中，n与m均为整数；

off

步骤二、在每个RP处采集来自不同AP的RSS，构建离线RSS特征矩阵Z ；具体包括以下步骤：

步骤二(一)、在离线阶段，对于n个AP发射信号，在RP处提取接收信号强度序列RSS＝

1 2 m j

{rss ,rss ,…,rss }，其中，rss 表示在第j个RP处采集的来自目标环境中AP的RSS，j＝j

1,…,m；其中，rss＝{rss1j,rss2j,…,rssnj}，rssij表示在第j个RP处接收到的来自第i个AP的RSS，i＝1,…,n，因此可获得接收信号强度集合为：步骤二(二)、基于步骤二(一)，分别选取这些RSS数据的RSS均值、RSS方差、RSS最大值、RSS最小值、RSS最值差、RSS中值、最大概率RSS和RSS过均值概率作为标记RP的信号特征，并将信号特征的数目记为χ；

步骤二(三)、基于步骤二(二)构建离线RSS特征集合 其中，表示在线阶段目标环境中AP的第s个RSS特征,s＝1,…,χ， 表示第i个AP在所有RP处的第s个RSS特征的均值，即 基于此，构建离线RSS特征矩阵：

off

步骤三、根据Z 构造AP的信息增益比集合Φ， 具体包括以下步骤：步骤三(一)、计算关于目标环境中所有RP的不确定度H(P)：其中，m表示目标环境中的RP数目，pj表示第j个RP的先验概率，通常假设测试点在每个RP处的概率相等，即

off

步骤三(二)、对于第i个AP，记为APi，根据Z 将所有RP划分为U个子集C1i,…,CUi，其中，每个子集Cui中的RP具有相同的来自APi的离线RSS特征 s＝1,…,χ，u＝1,…,U,χ表示离线RSS特征类别数目；

步骤三(三)、根据 将所有RP划分为V个子集 其中，第v个 子集，v＝1,

2,…,V表示对于APi具有相同 的RP集合；

off

步骤三(四)、对于APi，根据Z 计算目标环境中所有RP的不确定度H(P|APi)：其中， 表示 中RP数目， 表示 中RP的不确定度，步骤三(五)、对于APi，根据 计算目标环境中所有RP关于第i个AP的第s个离线RSS特征的不确定度H(P|APi)s：off

步骤三(六)、根据Z 计算APi关于第s个离线RSS特征的信息增益比进而构造AP的信息增益比集合Φ：Φ＝(ψ1,…,ψχ)

其中， 为AP关于 的信息增益比，s＝1,…,χ；

off

步骤四、根据AP信息增益比集合Φ，构造离线RSS特征的模糊关系矩阵R ；具体包括以下步骤：

步骤四(一)、对于目标环境中AP的信息增益比集合Φ，对其进行归一化处理，即获得离线阶段目标AP的模糊隶属度，记为 表示目标环境中AP的位置分辨能力，其中， 表示离线阶段第i个AP的模糊隶属度；

步骤四(二)、对于离线RSS特征集合 计算第i个AP在所有RP处的第s个RSS特征的均值在所有AP的同一RSS特征期望的总和中所占的比例，即表示离线阶段第i个AP关于第s个RSS特征的隶属度；

步骤四(三)、基于步骤四(二)，构造目标环境中所有AP关于χ个离线RSS特征的模糊关系矩阵：

off off

步骤五、根据R 并利用模糊关系方程，获取离线RSS特征的模糊权重A ；具体包括以下步骤：

步骤五(一)、令 其中， 表示 的模糊权重，构造关于离线RSS特征的模糊关系方程 其中，步骤五(二)、由步骤五(一)，将 改写为：步骤五(三)、计算步骤五(二)方程组中第i个方程的第s个解其 中 ， s ′＝

1,…,s‑1,s+1,…,χ；

步骤五(四)、由步骤五(三)，可得步骤五(二)方程组中第i个方程的解off (1) (n)

步骤五(五)、由步骤五(四)，可得 的解A ＝A ∩…∩A ；

onli

步骤六、在线阶段，在测试点处采集来自不同AP的RSS，构建在线RSS特征矩阵Z ；具体包括以下步骤：

步骤六(一)、在在线阶段，对于目标环境中的n个AP和w个测试点，rssnω表示在第ω个测试点处接收到的来自第i个AP的RSS数据，ω＝1,2,…,w；分别选取这些RSS数据与离线阶段相同的χ个RSS特征，构建在线RSS特征集合 其中，表示在线阶段目标环境中AP的第s个RSS特征， 表示第i个AP在所有测试点处的第s个RSS特征的期望，即

onli

步骤六(二)、基于在线RSS特征集合Z ，构建在线RSS特征矩阵：onli

步骤七、根据Z 并通过关于在线RSS特征的模糊映射，构造在线RSS特征的模糊判定矩onli

阵R ；具体包括以下步骤：步骤七(一)、将在线阶段目标环境中AP集合记为Q＝(q1,q2,…,qn)，其中，qi表示在线阶段目标环境中的第i个AP，基于此，建立RSS特征与AP的模糊映射为：onli

其中， 为Z 经模糊映射后所得的模糊集合， 具体地，s＝1,…,χ， 表示目标AP关于第s个RSS特征的隶属度集合， 表示第i个AP在所有测试点处的第s个RSS特征的期望在目标环境中AP的同一RSS特征期望的总和中所占的比例，即为在线阶段第i个AP关于第s个RSS特征的隶属度；

步骤七(二)、基于步骤七(一)所得的RSS特征隶属度，构建AP关于在线阶段RSS特征模糊判定矩阵：

onli off

步骤八、根据R 和A ，利用模糊关系方程 可得：其中， 表示在线阶段第i

个AP的模糊隶属度， 表示在线阶段AP的模糊隶属度集合；

步骤九、将具有较大模糊隶属度的AP定义为具有较强位置分辨力的AP，基于此可构造具有较强位置分辨力的AP集合G，并将集合G中AP作为优化AP用于定位。