1.基于RSS统计分布分块区域误差限的WLAN定位网络优化方法，其特征在于：该方法包括以下步骤：

1)：选定定位目标区域；

2)：选定WLAN接入点AP所有可能的摆放位置；

3)：在目标区域内，第i个用户可能位置为RPi＝(xi,yi)；

4)：在目标区域内布置m个AP，分别为AP1，AP2，…，APm，令k＝1，得到APk坐标；

5)：RSS服从高斯分布的截止区域半径为r1，RSS服从莱斯分布的截止区域半径为r2；

6)：计算RPi与APk的距离dik， 其中，(xi,yi)是第i个用户可能位置坐标，(xk,yk)是APk位置坐标；

7)：判断dik是否大于0且小于r1；若“是”，跳转至步骤11)；“否”，则跳转至步骤8)；

8)：判断dik是否大于r1且小于r2；若“是”，跳转至步骤10)；“否”，则跳转至步骤9)；

9)：令第i个用户处来自APk的RSS统计特性服从瑞利分布；

10)：令第i个用户处来自APk的RSS统计特性服从莱斯分布；

11)：令第i个用户处来自APk的RSS统计特性服从高斯分布；

12)：判断k是否等于m；若“是”，跳转至步骤14)；“否”，则跳转至步骤13)；

13)：令k＝k+1，得到APk坐标，跳转至步骤6)；

14)：计算RSS统计特性服从高斯分布、莱斯分布和瑞利分布三种情况下的基于克拉美罗界指纹定位误差限V1(θi)、V2(θi)和V3(θi)；计算第i个用户可能位置的指纹定位误差限V(θi)；其中，V1(θi)为RSS统计特性服从高斯分布条件下的基于克拉美罗界的指纹定位误差限；V2(θi)为RSS统计特性服从瑞利分布条件下的基于克拉美罗界指纹定位误差限；V3(θi)为RSS统计特性服从莱斯分布条件下的基于克拉美罗界指纹定位误差限；

V(θi)为当RSS统计特性是呈现高斯分布、莱斯分布和瑞利分布多种混合分布时，基于克拉美罗界指纹定位误差限；

15)：计算对于整个定位目标区域的平均指纹定位误差限V； 其中，n表示整个定位目标区域内用户可能位置的个数；

16)：将平均指纹定位误差限V作为模拟退火算法的目标函数，寻找最优的AP位置，使V值最小；

17)：运算结束，返回最优的AP位置坐标。

2.根据权利要求1所述的基于RSS统计分布分块区域误差限的WLAN定位网络优化方法，其特征在于：所述步骤14)中，当RSS统计特性服从高斯分布时，基于克拉美罗界的指纹定位误差限V1(θi)为：其中，αik表示第i个用户可能位置与第k个AP位置连线与地面的夹角；

σ1为高斯分布噪声的标准差。

3.根据权利要求1所述的基于RSS统计分布分块区域误差限的WLAN定位网络优化方法，其特征在于：所述步骤14)中，当RSS统计特性服从莱斯分布时，基于克拉美罗界的指纹定位误差限V2(θi)为：Pn为噪声功率；β表示路径损耗指数。

4.根据权利要求1所述的基于RSS统计分布分块区域误差限的WLAN定位网络优化方法，其特征在于：所述步骤14)中，当RSS统计特性服从瑞利分布时，基于克拉美罗界的指纹定位误差限V3(θi)为：其中， P'n为噪声功率；

A为信号幅度峰值，I0表示修正

的0阶第一类贝塞尔函数，I1表示修正的1阶第一类贝塞尔函数；m表示AP的个数；ξ＝P-P(d0)+10βlog10(dik)+Pwf；β表示路径损耗指数。

5.根据权利要求1所述的基于RSS统计分布分块区域误差限的WLAN定位网络优化方法，其特征在于：所述步骤14)中，当RSS统计特性是呈现高斯分布、莱斯分布和瑞利分布多种混合分布时，基于克拉美罗界的指纹定位误差限V(θi)为：其中，m1、m2和m3表示在第i个用户可能位置处，RSS统计特性分别服从高斯分布、莱斯分布和瑞利分布的AP个数。