由于无线和蓝牙定位均采用RSSI指纹数据库的方法进行，而指纹数据库中的每一条指纹数据都是由参考点的位置坐标以及多个AP的信号强度向量组成，因此，在整个数据库中，所有的参考点在数据库中存在确定的位置关系。基于这种位置关系，可以考虑采用均值滤波对指纹数据库中采集的数据进行滤波处理。

在图像去噪领域，均值滤波算法[63]是所有滤波去噪算法中一种经常使用的方法。均值滤波是现行滤波中的一种，在图像去噪中，以存在噪声的像素为中心，以该像素周边的8个像素为一个整体（排除中心像素），计算所有邻近像素的算术平均值，用得到的算术平均值来代替存在噪声的原像素值，这样就可以剔除图像中噪声的存在，使得图像的像素均匀变化，达到平滑图像的效果。

指纹数据库滤波去噪与图像滤波去噪相比，最显著的差别就是指纹数据库中每一个参考点都不只有一条AP信号，而是一组AP的信号向量，因此，必须对每一个AP信号进行单独分析。类似于图像中像素点的灰度值，指纹数据库滤波分析的数据为每个AP信号的RSSI值。用指纹数据库滤波时，首先要确定某一个AP信号在指纹数据库中的噪声点，然后再根据均值滤波方法进行滤波。

通过上述噪声点的判定方法，就可以找到指纹数据库中某一区域的噪声点，之后通过邻域均值滤波算法将该噪声点剔除。(www.daowen.com)

假设某一AP的噪声点在指纹数据库中表示为P点（见图4.1），周边其余各点表示邻域中非噪声点的存在，那么我们可以用P点邻域中非噪声点的信号强度进行插值处理，得到P点噪声点的信号强度，从而达到指纹数据库滤波去噪的效果：

图4.1　指纹数据库中噪声点的邻域图

按照式（4.3）进行滤波去噪计算，为去噪后噪声点P的信号强度值，为P点邻域中非噪声点的信号强度值。