wifi定位方法基本上可以分為兩大類：

1.不基於RSSI

TOA（time ofarrival）TDOA（time difference of arrival）AOA（angle of arrival）

但是這些值的獲取需要特殊的wifi模組，在智慧機上無法獲取，因此這類方法無法使用。

2.基於RSSI

在智慧手機上，可以透過系統SDK獲取到周圍各個AP（Access Point）傳送的訊號強度RSSI及AP地址，利用RSSI來定位目前看來是最可行的方法，因此下面著重介紹,基於RSSI定位主要有兩個演算法:三角定位演算法,指紋演算法。

三角定位:

如果我們已經知道了這些AP的位置，我們可以利用訊號衰減模型估算出移動裝置距離各個AP的距離,然後根據智慧機到周圍AP距離畫圓，其交點就是該裝置的位置。很容易發現，三角定位演算法需要我們提前知道AP的位置，因此對於環境變化較快的場合不適合使用。

指紋演算法

指紋演算法類似於機器學習演算法，分為兩個階段:

離線訓練階段將需要室內定位區域劃分網格，建立取樣點（間距1~2m）使用wifi接受裝置逐個取樣點取樣，記錄該點位置、所獲取的RSSI及AP地址。對取樣資料進行處理（濾波、均值等）線上定位階段使用者持移動裝置在定位區域移動，實時獲取當前RSSI及AP地址，將該資訊上傳到伺服器進行匹配（匹配演算法有NN、KNN、神經網路等） 得到估算位置。匹配演算法有NN、KNN、神經網路等。

比較：

指紋演算法相比較三角定位演算法精度更高。三角定位演算法需要提前知道所有AP的位置指紋演算法需要提前繪製一幅訊號Map。

總結:智慧手機基於WIFI的室內定位應用，更適合使用基於RSSI訊號的指紋演算法，原因在於我們不需要提前知道所有AP的位置，而且指紋演算法可以應對AP位置或狀態的改變。可以提前將測繪指紋資料庫儲存到伺服器上，移動裝置在定位區域將自己得到的周圍AP資訊實時傳送給伺服器，由伺服器進行匹配並返回座標位置給客戶端。一旦AP狀態或位置變化，只需要更新定位區域資料庫而並不需要在客戶端作出改變。