1.基于径向基插值的室内WLAN指纹数据库多点自适应更新方法，其特征在于步骤如下：步骤一：令相邻参考点距离为a，以不重复更新参考点为前提，将目标物理环境划分为P个更新区域，各更新区域内的参考点构成正方形区域；

步骤二：定义截止区为以各更新区域的中心为圆心且包含周围回馈点的圆形区域，则共有P个截止区；令截止区半径为R，截止区内回馈点个数为n，则回馈点面密度为记截止区半径R和回馈点面密度ρ的取值区间分别为(0,γ)和[p,q]，针对R和ρ的取值区间随机选取3000个组合取值；

步骤三：令(R,ρ)表示R和ρ的一个组合取值，则计算其相应截止区内的回馈点数目2

为[ρgπR]，其中符号[g]表示取整计算；

步骤四：对于第l(l＝1,L,P)个截止区，其中，l为截止区编号，P为截止区个数，l设该截止区内包含M个待更新参考点和N个回馈点，区内第j个回馈点的物理坐标为第j个回馈点在旧数据库中对应的第i(i＝1,L,Q)个AP的指纹信息为 其中，Q为AP个数，从而构造第l个截止区内所有回馈点关于第i个AP的目标函数

步骤五：对于第l个截止区，将其所包含的参考点，物理坐标代入 待更新的M个参考点除外，计算得到每个参考点所对应的RSS估计值，计算上述估计值与旧数据库中对应RSS值的差值的平均值，并将其表示为ω；

步骤六：对于每一个(R,ρ)组合取值，计算得到一个ω，判断是否已遍历所有的(R,ρ)组合取值(即设定的3000个组合取值)，若是，则转步骤七；若否，则转步骤三；

步骤七：对于得到的3000个(R,ρ,ω)组合取值，以R和ρ为自变量，ω为因变量，利用偏最小二乘回归方法建立回归模型；

步骤八：在目标物理环境内随机选取四分之一的参考点作为回馈点，并测量回馈点对于每个AP的RSS值；

步骤九：令l＝1；

步骤十：令k＝1；

步骤十一：将第l个更新区域所对应的截止区半径取为p，计算截止区域内的回馈点数l目N和回馈点面密度 将p与ρ代入步骤七中的回归模型，得到ωk；

步骤十二：令p＝p+0.5，k＝k+1；

步骤十三：判断p是否小于等于q，若是，则转步骤十一；若否，则转步骤十四；

步骤十四：升序排列得到的所有ωk，并保存为{Ω1,Ω2,…}，其中，Ω1≤Ω2≤…，此外，将{Ω1,Ω2,…}各值对应的ωk的下标序号存储到序列index中；

步骤十五：计算index序列中前三个ωk的下标序号所对应的截止区半径的均值，并将其作为第l个截止区域半径；

步骤十六：令i＝0；

步骤十七：令i＝i+1，以步骤十五得到的截止区半径，对第l个更新区域内的待更新参考点进行RSS更新，具体更新步骤如下：l

步骤十七一：搜索截止区内的回馈点，将回馈点数目记为N；

步骤十七二：令第j个回馈点对应的第i个AP的指纹信息为 将截止区内所有回馈点指纹信息代入公式二，计算权重矩阵 得出第l个截止区内所有回馈点关于第i个AP的目标函数步骤十七三：将更新区域内的待更新的M个参考点坐标代入目标函数 计算各个待更新参考点所对应APi的RSS估计值；

步骤十八：判断i是否小于Q，若是，则转步骤十七；若否，则转步骤十九；

步骤十九：判断l是否小于P，若是，则令l＝l+1，并转步骤十；若否，则 数据库更新结束。

2.根据权利要求1所述的基于径向基插值的室内WLAN定位指纹数据库多点自适应更新方法，其特征在于，所述步骤四中目标函数 的构造方法如下： 公式一

其中， 为权重系数；c为Multi-Quadric函数的形状参数，将截止区内的回馈点指纹信息代入公式一，得到权重矩阵 关于第i个AP的线性方程组：l

其中，N为第l个截止区内回馈点个数， 为该截止区内第j个回馈点的物理坐标， 为第j个回馈点来自第i个AP的接收信号强度。根据公式二，计算权重矩阵从而得到目标函数 。

3.根据权利要求1所述的基于径向基插值的室内WLAN定位指纹数据库多点自适应更新方法，其特征在于，所述步骤七利用偏最小二乘回归方法建立(R,ρ,ω)回归模型的步骤如下：T

步骤七一：计算因变量ω的标准化矩阵F0＝(F0,1 L F0i, L F0,3000)，其中 i＝1,L,3000， 和sω分别为ω的均值和标准差，计算关于自变 量R和ρ的标准化矩阵 其中 i＝1,L,3000，和sR分别为R的均值和标准差， 和sρ分别为ρ的均值和标准差；

步骤七二：计算F0和E0的第一主轴c1和σ1，即c1和σ1分别为矩阵 和的最大特征值所对应的单位特征向量；

步骤七三：根据关系式μ1＝F0c1和t1＝E0σ1，计算μ1和t1，其中，μ1和t1分别为从F0和E0中提取的主成分；

步骤七四：分别计算F0和E0对t1的回归方程，即 和 其中，F0对t1的回归系数向量 和E0对t1的回归系数向量 F1和E1分别为上述两个回归方程的残差矩阵；

步骤七五：由 和t1＝E0σ1得拟合方程 其中，然后，将每个组合样本(Ri,ρi)代入拟合方程，得到相应的拟合值 从而计算得到误差平方和

步骤七六：将残差矩阵F1和E1代替F0和E0，计算得到对应的第二主轴c2和σ2，以及第二主成分μ2和t2，从而得到提取两个主成分的回归方程 和其中，两个回归系数向量 和 F2和E2分别为上述两个回归方程的残差矩阵；

步骤七七：剔除第i个组合样本(Ri,ρi)，并重复步骤七一、步骤七二、步骤 七三、步骤七四和步骤七六，利用两个主成分对回归方程进行拟合，得到相应的拟合方程，再把剔除的组合样本点(Ri,ρi)代入该方程，得到拟合值 对每个组合样本，重复上述过程，得到预测误差平方和步骤七八：利用交叉有效性判别准则，判断 是否大于等于0.0975，若是，则在回归方程中加入第二个主成分，并转步骤七九；若否，则得到包含1个主成分的偏最小二乘回归方程 并转步骤八；

步骤七九：令h＝h+1，并判断 是否大于等于0.0975，若是，则在回归方程中加入第h个主成分；若否，则得到包含h-1个主成分的偏最小二乘回归方程：并转步

骤八。