位置指纹定位的实现是以采集各个AP的RSSI/BSSID/SSID值为基础的，而人们活动的室内环境往往空间结构复杂，且建筑物内人员走动、多路径效应、电子设备的电磁干扰等因素均会对RSSI值造成较大影响，使采集到的信号强度波动较大，干扰定位结果。因此，如何对采样点的原始信号强度值进行滤波来减少偶然误差带来的数据波动对提高定位精度及稳定性至关重要。本书对常用的移动平均滤波法进行了改进，提出了一种基于概率分布的移动平均滤波法，它能够更好地去除无关性干扰引起的信号波动。

使用移动平均滤波器进行去噪常常被用在信号的滤波处理方面，在此我们用x表示输入信号，用y表示输出信号，对一个长度为N的采集队列来说，滤波后第个输出信号的计算方法如公式（5.7）所示：

移动平均滤波能够很好地过滤掉周期性的噪声干扰，但它存在对随机出现的脉冲噪声过滤性差的缺点。建筑物内AP信号受干扰较多，需对移动平均滤波进行优化以增强其对脉冲性干扰信号的滤除能力。由式（5.2）可以看出，由于采样点与各AP之间的距离是确定的，因此其接收信号强度在理论上应该集中分布在某一区间内，故而若某一信号强度值与集中分布区间相差较大，一般认为是噪声点。(www.daowen.com)

通过参考相关文献，以及大量的实验分析，发现稳定的RSSI值的浮动区间在±10 dBm以内。本书将获取到的RSSI值的数据以5 dBm为单位区间长度分割成若干份，计算出每一份出现次数占总次数的百分比，即该信号强度区间出现的概率。若此概率值小于5%，则认为该RSSI值出现的概率较小，应将其滤除，再对滤除后的数据进行移动平均滤波处理，其对比效果如图5.3所示。可见，改进后的基于概率分布的移动平均滤波在保留原始数据特点的同时有效过滤掉了脉冲噪声。

图5.3　两种滤波效果对比图