1.一种蜂窝网环境下基于PCA的子空间匹配室内指纹定位方法，其特征在于：该方法根据移动终端在线所监测到的小区信息在离线指纹数据库中提取相应的子数据库构成矩阵，然后对子数据库矩阵提取特征值和特征向量，并根据一定的规则构建特征矩阵，对移动终端在线监测矩阵和子数据库矩阵进行降维；对降维后的在线监测矩阵和子数据库矩阵分别提取子空间，分别运用WKNN匹配算法获取相应的位置估计，最后结合3σ准则剔除误差较大的坐标求取最终估计位置坐标输出。

2.根据权利要求1所述的一种蜂窝网环境下基于PCA的子空间匹配室内指纹定位方法，其特征在于：所述方法具体包括以下步骤：

1)构建实测矩阵T和子数据库矩阵U：根据移动终端在线所监测到的小区信息，在离线指纹数据库中提取相应子数据库构成矩阵为U；移动终端在线接收小区信息构成的实测矩阵为T；设子数据库矩阵U是m行p列的矩阵，其中m为离线指纹数据库中指纹点的个数，p为当前移动终端所监测到的小区的个数；

2)对子数据库矩阵U数据中心化，即对子数据库矩阵U每一列各元素减去该列均值求得中心化矩阵B；

3)计算矩阵B的协方差矩阵R，

4)计算Rxi＝λixi，i＝1,...,p，其中，λi为矩阵R的特征值，xi为λi对应的特征向量；

5)降序排列特征值λi，使得λ1≥λ2≥...≥λp；

6)提取特征矩阵W：根据贡献度的大小及实际需求，取特征值之和占总和一定比例α的前Δ个特征值(λ1,λ2,...,λΔ)对应的特征向量构成的特征矩阵W＝[x1,x2,...,xΔ]；

7)对实测矩阵T和子数据库矩阵U进行降维处理：降维后的实测矩阵为Φ，Φ＝TW；降维后的子数据库矩阵为D,D＝UW，矩阵Φ和矩阵D的列数维度都为Δ；

8)提取子空间：根据实际需求，对降维后的实测矩阵Φ和降维后的子数据库矩阵D分别提取相应的δ列子空间构成矩阵，δ＜Δ，共有 种取法，相应的矩阵分别为T′i(i＝1,

2,...,M)和U′i(i＝1,2,...,M)；

9)子空间WKNN匹配位置输出：对相应的T′i和U′i运用WKNN匹配算法分别估计出一个位置坐标(xi,yi)，共可得出M个位置坐标，表示为(x1,y1),(x2,y2),...,(xM,yM)；

10)令j＝M，其中，j为计数量；

11)计算平均位置坐标

12)分别求得j个位置坐标(x1,y1),(x2,y2),...,(xj,yj)与平均位置坐标 的欧几里得距离di(i＝1,2,...,j)， 并将d1,d2,...,dj按照从小到大的顺序排列为d′1≤d′2≤...≤d′j，d′1,d′2,...,d′j分别对应的位置坐标为(x′1,y′1),(x′2,y′2),...,(x′j,y′j)；

13)计算d′1,d′2,...,d′j的标准差σ′j，此时，σ′j＝std(d′1,d′2,...,d′j)；

14)判断d′j是否大于3σ′j；是，转步骤15)；否，则转步骤16)；

15)剔除坐标(x′j,y′j)，并将坐标值(x′1,y′1),(x′2,y′2),...,(x′j-1,y′j-1)分别赋给(x1,y1),(x2,y2),...,(xj-1,yj-1)，令j＝j-1，转步骤11)；

16) 即为最终估计位置坐标输出。