1.一种基于自适应前位置约束的定位方法，其特征在于，所述定位方法包括如下步骤：S1、采集初始接入点数据，构建定位环境的原始指纹数据库；

S2、计算行人步长S；

S3、根据S1中的原始指纹数据库和S2中的行人步长S计算用户在室内的位置；

所述S3具体为：

通过手机检测各AP点的信号接收强度，如式(5)中所示：使用指纹数据库中的RSS向量与A进行比较，以计算欧几里德距离，结果被组合成一组信号空间距离B，如式(6)所示：B＝{d1,d2···dm}              (6)根据WKNN算法需要将B中数据的前K个元素，组成新向量C，如式(7)所示：C＝{d1,d2···dk}               (7)将集合C中的每个元素替换为其相应的参考点坐标，新向量D的形式，如式(8)所示：D＝{(x1,y1)(x2,y2)···(xk,yk)}          (8)假设，(xr,yr)为行人当前的位置的坐标；计算(xr,yr)与D中参考点坐标的欧几里德距离，结果被组合成一组空间距离H，如式(9)所示：H＝{d1,d2···dk}                  (9)根据S2中计算出的行人步长S，将2倍的行人步长作为约束半径，将H中的d1,d2···dk与2S做比较并保留小于2S的元素，将保留的n(n≤K)个元素替换为其相应参考点的位置坐标，新向量E的形式，如式(10)所示：E＝{(x1,y1) (x2,y2)···(xn,yn)}          (10)将E的元素替换为C中相应的信号空间距离，由最终参考点的欧几里德距离组成的向量F如(11)所示：F＝{d1,d2···dn}             (11)然后，计算每个最终参考点的权重在F中使用元素的公式，如式(12)所示：行人下一位置坐标估计通过式(13)计算

2.根据权利要求1所述的一种基于自适应前位置约束的定位方法，其特征在于，所述S1具体为：首先根据目标区域的空间，每隔一段距离设置多个参考点，并将多个参考点的位置记录在同一坐标系中，同时，在每个参考点处检测WiFi信号，包括RSS和MAC地址信息；

原始指纹数据库中第i个参考点名称为RP_i，参考点坐标为(xi,yi)，第i个参考点接收到的第k个接入点名称为AP_i_k，MAC地址为MAC_i_k，信号强度为RSSI_i_k，其中，(k＝1,

2…,m)。

3.根据权利要求2所述的一种基于自适应前位置约束的定位方法，其特征在于，所述S2具体为：通过调用智能手机中的传感器模块来搜集检测到的加速度数据，其中包括3个方向的加速度简称三轴加速度(X,Y,Z)，通过三轴加速度的幅值变化来检测行人行走的步数，通过式(1)融合的三轴加速度来做峰值的检测：使用一个低通数字滤波器来移除高频噪声和铆点，低通滤波器给出了一个截止频率Foff为平滑因子，0≤a≤1，使用式(2)实现低通滤波器：yi＝yi‑1+a(xi‑yi‑1)              (2)通过平方运算来增强高频部分，进行集成运算，利用一个移动的集成滤波器将低通滤波器处理后的数据进行平滑处理，如式(3)所示：yi＝(xi‑(N‑1)+xi‑(N‑2)+···+xi)/N          (3)通过Weiberg算法估计步长，模拟装置领域已经给出过关于加速度与步长关系，使用式(4)获取行人步长S：式中，k为常数，由实验测得，Amax、Amin是加速度数据中波峰与波谷对应的最大、最小加速度值。