多种Wi-Fi定位方法对比 移动领域选谁？

实时定位服务(RTLS)

实时定位服务（RTLS）标签通常被称为资产标签，用于追踪并监视物体，例如海运集装箱、医疗资产甚至是标签携带人。标签定期收集AP信号数据，汇报给网络端服务器，使用RSSI定位和/或前面的射频指纹识别技术（定期校准）来计算并追踪。服务器在地图上显示标签位置或使用地理围栏概念引起警报。虽然覆盖现有的Wi-Fi基础设施相对容易，但是资产追踪解决方案需要网络端服务器支持，它在最近几年并没有经历什么太大的变化。

移动应用程序

作为第二选择,专注于GPS无法精确定位的室内Wi-Fi的移动设备应用势头强劲。如同相互关联的移动生态系统中的其他事务一样，手机应用程序非常有吸引力，从某种意义上讲，几乎涉及到每个行业，每个用户。

移动定位应用程序的重大缺陷就是苹果臭名昭著的有限Wi-Fi API接入，开发者无法转换成RSSI公制。鉴于此，客户端定位处理存在重大挑战，网络端传感器与引擎对于RSSI计算是非常必要的。客户端数据引擎还存在电池寿命的问题。没有iOS的支持，任何移动应用程序只能限制在有限的用户群或设备集，没有人愿意构建排除了苹果的以客户、访客或用户为核心的应用程序。混乱随之而来。

然而，一些企业在重组客户端方法的同时，专业移动公司也在重新考虑使用机器学习技术进行室内定位的算法。一些企业认为设备定位是复杂的“DNA链”，而使用RSSI指纹识别技术、RSSI三边测量技术和/或TDoA可提供初始的位置信息；然后，通过比较后续射频指纹技术（用户在什么地方移动？）及惯性电话传感器（陀螺仪、加速计、指南针），可进行精确定位，精确到2-3 米。如果这种技术还不够好，可加入其它机制以提高可靠性；例如，也可以使用地图处理技术来提高准确度，排除地图上不可能的路径，也就是所谓的差错消隐。但是需要再次强调，基于移动应用程序方法的缺陷之一是并不是所有的移动设备都具有相同的能力，因此，很难为所有设备类型(iOS, Android, Windows等)构建一个包罗万象的移动应用程序服务。

Wi-Fi信号定位与射频指纹识别技术

RSSI定位与射频指纹识别技术可提供合理的精度，介于室内或通道间。在没有其他技术（励磁机、阻塞点、外部系统，如视频系统）的协助下，可达到的最佳状态是3-10米的误差。

对于RSSI三边测量技术，关键问题是射频信号强度改变很大，造成测量不准。每个测量最少需要3个信号源，但是随着客户与AP间射频衰减的不同（由于墙壁、门、窗、电梯等），RSSI与距离的相关性有些不可靠，从而降低了精度。

射频指纹识别技术也遭遇了同样的射频变化问题。如果从一个单独的位置提取5个指纹，那么每次指纹都看起来不同。此外，射频环境也在日积月累中改变，一次今天提取的射频指纹可能不适用于将来。校准或指纹识别将总是反反复复进行。