采用RSSI测量技术的定位系统通常有两类定位方法：一类是基于信号传播损耗模型的定位方法[47]；另一类是基于RSSI指纹库的定位方法[48]。

1.基于信号传播损耗模型的定位方法

基于信号传播损耗模型的定位方法，是利用信号在空气介质中传播时信号强度与距离之间的关系来进行定位的。信号强度与距离之间的关系通常由两种方法得到：第一种是利用信号在不同介质中传播时的特性进行确定，这种方法依据理论确定两者关系，在实际应用中会产生较大的误差，使得定位结果不准确，且误差具有明显的随机性；第二种是采取实验的方法，即在定位区域中，在不同的距离上采集信号强度数据，最后将采集到的数据进行拟合，得出信号强度与传播距离的公式。

利用试验方法获得的公式具有很强的针对性，仅仅适用于测量过的环境，当将其切换至其他区域时，公式的适用性将大打折扣，需要重新进行试验获取。正是由于信号强度与传播距离之间的不确定性因素的存在，基于信号传播损耗模型的定位方法的适用性、灵活性较低，很难推广开来。

2.基于RSSI指纹库的定位方法

采用RSSI测量技术的另一类定位系统是基于RSSI指纹库的定位方法的系统，如图2.4所示。

图2.4　位置指纹定位原理

基于RSSI指纹库的定位方法通常有两个阶段：(www.daowen.com)

（1）离线训练阶段。

在特定的实验环境中，均匀地设置一些参考点，并用测量仪器测定出参考点的位置坐标以备后续使用；然后利用数据采集工具在参考点上进行采样，将采集到的参考点的信号强度连同其位置坐标存储在指纹数据库中；每一个参考点的坐标，在数据库中都有与之对应的RSSI位置指纹信息。

为了提高定位结果的精度，我们在此阶段通常会在定位环境中密集分布参考点的位置，这无形之中就增加了许多训练阶段的工作量。因此，怎样在减少参考点数量和保证后期定位精度之间掌握一个平衡，是目前研究的热点。

（2）在线定位阶段。

在线定位时，移动终端在未知点先测定当前环境的信号强度值，再与指纹数据库中的信号强度值进行对比匹配，匹配到相似的信号强度值后就将该点的坐标输出，即可得到未知点的位置坐标。在线定位阶段所使用的匹配算法中常用的有近邻法[49]和概率法。

近邻法分为最近邻法（Nearest Neighborhood，NN）和K近邻法[50]（K-Nearest Neighborhood，KNN）。其中，最近邻法是将移动终端所采集到的信号强度数据打包成一组信号强度向量，之后遍历整个指纹数据库，再与数据库中的每一条指纹进行距离计算，最终得到距离最小的一条指纹数据，将这条距离最小的指纹数据对应的位置坐标进行输出，作为本次定位的结果。关于K近邻法，在与指纹数据库进行数据匹配计算时，按照距离大小依次排序，最后选取K个最小距离的指纹数据，最后定位的结果是将这K个位置取平均值作为本次定位的结果。

概率法是通过一系列计算得出相应的结果。例如，离线阶段在n个位置上，移动终端采集各个参考节点附近的信号强度信息，假设m是在线阶段测量到的信号强度，则可以根据下列公式选择后验概率最大的位置点wi：

目前，利用RSSI进行定位的典型代表是西门子神经元蜂窝定位系统[51]。这套系统可以依附在标准的通信系统中存在，布设起来较为方便。大部分采用基于RSSI测量技术开发的室内定位系统，都会选择基于信号强度指纹库的方法进行定位，这是由于信号传播损耗模型的定位方案并不能很好地适用于不同的定位环境，无法机动灵活地适应环境中的变化，过于依靠人力。基于信号强度指纹库的定位方案设计较为严密，布设前期仅仅需要投入小部分人力资源进行训练样本的采集，后期系统的定位工作全部由中心服务器进行，可推广性更强。因此，在设计定位系统时有选择地利用更适合定位区域的方案，才能提高定位精度，得到更加可靠的定位结果。