1.一种WLAN位置指纹数据库快速建立和动态更新系统，其特征在于：包括扩展卡尔曼滤波器模块(3)、MEMS定位模块(2)、WLAN信号传播模型位置估计模块(1)、地图匹配模块(4)和WLAN位置指纹数据库建立及动态更新模块(5)；

所述MEMS定位模块(2)包括处理器，以及分别与处理器连接的加速度计、陀螺仪和磁力计，处理器根据加速度计、陀螺仪和磁力计所输出的信息，计算出用户速度和用户航向；

所述WLAN信号传播模型位置估计模块(1)用于计算用户与不同AP的距离，得到用户的若干个可能位置的可能位置信息，并采用极大似然估计算法估计出用户的第一位置信息；

所述扩展卡尔曼滤波器模块(3)采用扩展卡尔曼滤波算法，以MEMS定位模块所输出的用户速度与用户航向，以及WLAN信号传播模型位置估计模块所估计算出的第一位置信息建立状态方程和观测方程，设计扩展卡尔曼滤波器输出第二位置信息，该第二位置信息即为所需的最优位置，该扩展卡尔曼滤波器模块(3)分别与MEMS定位模块(1)、WLAN信号传播模型位置估计模块(2)连接；

所述地图匹配模块(4)利用已知的室内地图信息，对扩展卡尔曼滤波器模块所输出的第二位置信息进行匹配修正得到参考点位置信息，该地图匹配模块(4)与扩展卡尔曼滤波器模块(3)连接；

所述WLAN位置指纹数据库建立及动态更新模块根据地图匹配模块(5)所输出的参考点位置信息，结合此时在对应位置点所采集的RSSI信息，构建WLAN位置指纹数据库，用于WLAN系统的在线定位阶段；在线定位阶段，根据所采集用户的RSSI信息，利用WLAN指纹定位算法得到用户的第三位置信息；将此时计算得到的参考点位置信息与第三位置信息进行对比，根据位置误差判断此时是否进行指纹数据库更新，即是利用参考点位置信息和RSSI信息替换当前WLAN指纹定位算法中使用的指纹数据库信息，该WLAN位置指纹数据库建立及动态更新模块(5)与地图匹配模块(4)连接。

2.一种WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：采用如权利要求1所述的WLAN位置指纹数据库快速建立和动态更新系统，包括以下步骤：步骤1、MEMS传感器数据处理：根据加速度计、陀螺仪和磁力计输出的信息，其中利用加速度计信息得到用户速度，利用多种传感器进行数据融合得到用户航向；

步骤2、WLAN信号传播模型估计位置：选择合适的室内信号传播模型，再结合不同室内环境参数，计算出用户与不同AP的距离，得到用户的若干个可能位置的可能位置信息，此时采用极大似然估计算法估计出用户的第一位置信息；

步骤3、采用扩展卡尔曼滤波算法，以MEMS定位模块所输出的用户速度与用户航向，以及WLAN信号传播模型位置估计模块所估计算出的第一位置信息建立状态方程和观测方程，设计扩展卡尔曼滤波器输出第二位置信息，该第二位置信息即为所需的最优位置；

步骤4、地图匹配：利用已知的室内地图信息，对扩展卡尔曼滤波器模块输出的第二位置信息进行匹配修正得到参考点位置信息，减小WLAN信号传播模型不精确所带来的位置误差，同样能修正由于MEMS长时间航向角累积漂移导致的位置误差；

步骤5、WLAN位置指纹数据库快速建立和动态更新：

5a、根据所述参考点位置信息，结合此时在对应位置点所采集的RSSI信息，构建WLAN位置指纹数据库，用于WLAN系统的在线定位阶段；

5b、在线定位阶段，实时采集用户RSSI信息，利用WLAN指纹定位算法得到用户的第三位置信息；将此时计算得到的参考点位置信息与第三位置信息进行对比，根据位置误差判断此时是否进行指纹数据库更新，即是利用参考点位置信息和RSSI指纹信息替换当前WLAN指纹定位算法中使用的指纹数据库信息。

3.根据权利要求2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：

所述步骤3中，所述状态方程如下：

选择WLAN位置指纹数据库中第二位置信息的坐标点的东位置、北位置、用户速度和航向角信息作为状态变量，即X＝[rx ry v ψ]T；建立状态方程如下：其中，Xt＝[rxt ryt vt ψt]T，rxt表示t时刻待估计的东位置，ryt表示t时刻待估计的北位置，vt表示t时刻待估计的速度，ψt表示t时刻待估计的航向；rxt-1表示t-1时刻估计出的东位置，ryt-1表示t-1时刻估计出的北位置，vt-1表示t-1时刻估计出的速度，ψt-1表示t-1时刻估计出的航向角，ft(Xt-1)表征的是t时刻和t-1时刻状态变量之间的非线性关系，Wt-1是均值为0的高斯白噪声序列，且 m为需要估计的变量个数，Q(Q≥0)为m维过程噪声协方差矩阵。

4.根据权利要求1或2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：所述步骤3中，所述观测方程如下：选择由WLAN室内信号传播模型确定第一位置信息的东位置、北位置、传感器测得的速度和水平航向角作为观测量，即Z＝[rx′ ry′ vmems ψmems]T；建立观测方程如下：式中，Zt＝[rx′t ry′t vtmems ψtmems]T，rx′t表示t时刻基于WLAN信号传播模型确定第一位置信息的东位置，ry′t表示t时刻基于信号传播模型确定第一位置信息的北位置，vtmems表示t时刻传感器测得的速度，ψtmems表示t时刻传感器测得的水平航向角；ht(Xt)表示t时刻状t态变量和观测变量之间的非线性关系，Vt为时刻离散型零均值观测白噪声矢量，且E[V(i)VT(j)]＝R(i,j)δij,i,j＝1,2,...,n，n为观测变量个数，R(R>0)为n维观测噪声协方差矩阵。

5.根据权利要求1或2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：所述步骤1中，基于所述加速度计所输出的数据计算用户速度的方法如下：在行人正常运动过程中，人总是在每一步中先加速，后减速；故在跨每一步过程中，加速度总会出现极大值；令 其中，ax，ay，az为三轴加速度计在载体坐标系下的各轴分量；记MEMS传感器的输出频率为fs，且将加速度计输出模值A连续大于阈值Athreshold的两个峰值之间的数据点数记作ΔN；故可以计算第k步所需的时间为： 将行人的每一步运动都看成是匀速运动，那么第k步运动期间的速度应为： 式中，Pk为第k步的步长，vk为第k步计算出的速度；令第k步中每个采样时刻的速度都为vk，则每一秒可计算出fs个速度，取每一秒计算出的所有速度的均值作为该秒计算出的速度；即：

6.根据权利要求1或2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：所述步骤2中，计算出用户与不同AP的距离的方法如下：所选室内信号传播模型如下所示：

式中，P(d)表示在参考距离d处的信号强度， 表示标准距离时的信号强度n表示信号强度随距离增加的衰减速度，d表示信号发送方和接收方之间的距离，d0表示近地参考距离，nW表示信号发送方和接收方之间的墙壁数，c表示衰减因子能够分辨出的最大墙壁数，WAF指信号经过墙壁的衰减因子。

7.根据权利要求1或2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：所述步骤2中，WLAN信号传播模型在得到用户的若干个可能位置的可能位置信息，此时采用极大似然估计算法估计出用户的第一位置信息，具体如下：用户接受到RSSI强度超过阈值Θ的M个AP信号，假设已知各AP的位置分别为：(rx1,ry1),(rx2,ry2),…,(rxM,ryM)，由接受信号强度计算出各AP到用户的距离：d1,d2,…dM；将以知AP坐标作为圆心，AP到用户的距离为半径，建立距离方程；由于存在M个距离方程，组成非线性方程组，如下形式：AX＝b，可以利用最小二乘法求解出该非线性方程组的唯一解：X＝(ATA)-1ATb，可以求得用户的第一位置(rx′t,ry′t)。

8.根据权利要求1或2的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：

所述步骤4中，地图匹配的具体方法如下：

当扩展卡尔曼滤波算法得出的第二位置信息为直接不可到达地区时，所述不可到达区域为墙壁或封闭房间，将定位结果匹配到最临近的墙边，得到此时的参考点位置信息；

当扩展卡尔曼滤波算法得出的第二位置信息与前一时刻参考点位置信息距离过大，超过阈值Ω后，调整传播模型参数，重新定位。

9.根据权利要求1或2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：所述步骤5中，WLAN位置指纹数据库建立和动态更新的具体方法如下：构建WLAN位置指纹数据库时，需要对同时采集的WLAN信号进行预处理：将在同一地理位置点接受到的不同AP信号，依据其信号强度，分配不同的权重；故构建WLAN位置指纹数据库如下：其中， 为参考点位置信息，i和j为序号，n为总的参考点数量，k为环境当中的AP数量， 且 σj为接收到的第j个AP信号的权重，Gi为室内环境中第i个参考点的指纹数据信息；

动态更新WLAN位置指纹数据库：由于室内环境发生改变或气候引起的水分含量变化，导致WLAN位置指纹数据库失效，使得定位精度降低，此时用户利用所述步骤1～步骤5a，重新得到室内环境中的参考点位置信息和RSSI信息，构造WLAN位置指纹数据库,在线定位阶段，实时采集用户RSSI信息，利用WLAN指纹定位算法得到用户的第三位置信息；将此时计算得到的参考点位置信息与第三位置信息进行对比，根据位置误差判断此时是否进行指纹数据库更新，即是利用参考点位置信息和RSSI信息替换当前WLAN指纹定位算法中使用的指纹数据库信息。

10.根据权利要求1或2所述的WLAN位置指纹数据库快速建立和动态更新方法，其特征在于：所述步骤5b中，实时采集用户RSSI信息，利用WLAN指纹定位算法得到用户的第三位置信息的方法如下：计算实时测量所得的RSSI信息与WLAN指纹数据库中每个参考点的指纹数据信息之间的距离，选取从最小距离开始选取K(K≥2)个最接近的数据库矢量，再计算它们的平均坐标作为待测目标的位置输出；

设实时测量所得的RSSI信息为Sj与WLAN指纹数据库中每个参考点的指纹数据信息为Sij之间的距离为：其中：i和j为序号，n为总的参考点数量，k为环境当中的AP数量，在距离结果中从小到大选取K个参考点，计算它们参考点位置坐标的均值作为第三位置信息输出：式中：(xi,yi)是第i个参考点所对应的坐标。