WiFi 指纹定位与 Problem 1 适用性分析

1. 什么是指纹定位

离线阶段（建库）

在场地中每隔几米设参考点，记录该点能收到的所有 AP 的 RSSI 向量（"指纹"）：

参考点 A: [AP1: -45, AP2: -67, AP3: -72, AP4: -89]
参考点 B: [AP1: -61, AP2: -43, AP3: -78, AP4: -55]
参考点 C: [AP1: -80, AP2: -71, AP3: -44, AP4: -63]

在线阶段（定位）

手机实时测量当前 RSSI 向量，在指纹库中找最相似的匹配，对应参考点位置即为估计位置。

匹配方法

• k-NN：找 k 个最近邻取加权平均
• 概率模型：计算 P(位置 | RSSI 向量)
• 机器学习：CNN/DNN 回归器直接映射 RSSI → 坐标

优势

• 不需要知道 AP 物理位置
• 不需要路径损耗模型
• 环境特征（墙、家具）隐含在指纹中
• 精度 1–3 m（密集采集时）

劣势

• 建库极其耗时（大型商场需采集数天）
• 指纹随环境变化（搬家具、换 AP）而失效
• 不可推广到未采集区域

2. Problem 1 能否使用指纹法？

结论：不能使用，原因如下

指纹法要求	Problem 1 现实	矛盾
需要预先在目标区域密集采集指纹	丢失设备位置未知，无法预先采集	根本矛盾
需要固定部署的 AP/信标	好心人是随机路过的手机	无固定基础设施
指纹库与特定场地绑定	设备可能丢在任何地方	无法为所有可能位置建库
需要大量参考点（每隔 1–2m）	众包场景只有稀疏的好心人报告	数据密度不足

Problem 1 只能走测距路线

好心人随机出现、位置未预知、没有预建指纹库——这些条件决定了只能使用基于测距的方法：

指纹法：已知位置 → 采集 RSSI → 建库 → 匹配定位
         （需要离线建库，不适用）

测距法：好心人报告 RSSI → 转换距离 → 非线性优化求解位置
         （在线处理，适用于 Problem 1）

唯一可能的间接利用

如果好心人手机本身利用 WiFi 指纹获取自身位置（室内场景），这属于好心人定位误差问题（见 samaritan_positioning_error.md），而非 Problem 1 的定位方法本身。