着无线网络和移动设备的普及，基于WiFi信号的室内定位受到越来越多的关注。接收信号强度(RSS)作为一种容易获得的信号特征常用于室内定位系统中。但是，由于RSS是粗粒度信息，其常常受到多径效应及噪声信号的影响，定位性能并不稳定。近年来，商用WiFi设备(如Intel 5300无线网卡)开始支持物理层的信道状态信息(CSI)的获取。CSI能以更细粒度表征信号，通过对不同子信道信号传输情况分别进行分析，CSI可以尽可能避免多径效应与噪声的影响。CSI为基于WiFi的室内定位技术开辟了新的空间，因而被广大研究者所关注。当前大部分基于CSI指纹的方法并没有结合RSS信息，从而降低定位所需计算资源，所以本文分别利用RSS和CSI这两种不同粒度的信息分别实现区域定位与精确定位，尽可能有效利用不同粒度信息的各自优势。下面整个系统的架构：
之后主要分为两部分，利用RSS进行区域定位和利用CSI信息进行精确定位，其中RSS数据为一个数值，单位是dbm，CSI数据为30个子载波的数据，具体如下所示：
在区域定位问题上，利用单AP投票的方法选择出来权值最合适的位置，方法就是最大带权连通子图，其中对于区域定位影响比较大的主要有权值的定义，我当时是根据AP的RSS信号强弱来定义权值的大小。
下面是具体的定位示意图：
最终展示一下我们在实验室的定位效果:
之后就是利用CSI信息进行精确定位，可以用k-means，神经网络等机器学习的方法来代替传统指纹比对的方法，因为CSI数据信息维度比较大，机器学习建模的方法可以减少很多工作量。
最后利用准确率和召回率就可完成室内定位了。
工具：笔记本，台式机，intel 5300网卡，ubuntu wifi csi toll（自己按网上教程搭建），wireshark工具
这是本人的毕业设计工作，由于篇幅较大，故只说明了大概，如果有同学想要了解可以留言。