1.一种基于邻域粗糙集约简的室内区域定位方法，其特征在于，包括以下步骤：步骤一、在待定位区域中部署k个无线接入点APi,i＝1,…,k，且此k个AP位置固定，将待定位区域划分成A个子区域areaj,j＝1,…,A；

步骤二、在待定位区域均匀设置N个参考点RPr,r＝1,…,N，M个测试点TPt,t＝1,…,M；

步骤三、将构建离线阶段的位置指纹数据库，首先在参考点RPr,r＝1,…,N上采集来自APi,i＝1,…,k的接收信号强度 并将无线接入点APi视作邻域粗糙集的条件属性；其次，记录参考点RPr隶属于的子区域arear,r＝1,…,N，其中arear∈{area1,…,areaj},j＝1,…,A，并将子区域编号视作邻域粗糙集的决策属性；最后构建位置指纹数据库为步骤四、首先，计算全部N个参考点上来自APi,i＝1,…,k接收信号强度的标准差其中 其次，计算邻域粗糙集的邻域δi＝σi/λ，其中λ为邻域参数；

步骤五、计算全部条件属性相对于决策属性的正域，其包括如下步骤五(一)～步骤五(七)七个子步骤；

步骤五(一)、计算全部参考点来自APi,i＝1,…,k接收信号强度与RPr,r＝1,…,N来自APi接收信号强度之差，即其中

步骤五(二)、选出参考点 即得到参考点RPv在条件属性APi下的邻域；

步骤五(三)、重复步骤五(一)和步骤五(二)，得到全部参考在全部条件属性下的邻域，即其中 为参考点RPv在条件属性APi下的邻域；

步骤五(四)、计算参考点RPv ,v＝1,…,N在所有条件属性下的邻域，即其中

步骤五(五)、用决策属性将全部参考点划分成A个等价类步骤五(六)、计算每个等价类 的下近似集合步骤五(七)、计算得到全部条件属性相对于决策属性的正域统计Pos中的元素个数为n；

步骤六、计算全体条件属性AP的依赖度θ＝n/N；

步骤七、去掉条件属性APi,i＝1,…,k，应用步骤五的计算方法，计算除去APi的剩余条件属性相对于决策属性的正域，得到正域Posi，并记Posi中的元素个数为ni；

步骤八、计算条件属性APi的依赖度θi＝ni/N；

步骤九、计算条件属性APi的重要度γi＝θ-θi；

步骤十、重复步骤七～步骤九，得到每个条件属性APi,i＝1,,k的依赖度θi,i＝1,…,k和重要度γi,i＝1,…,k；

步骤十一、计算每个条件属性APi,i＝1,…,k的权重 由此权重可以得到每个AP的重要性程度；

步骤十二、设置条件属性重要性控制参数α，遍历每个条件属性APi,i＝1,…,k的重要度γi,i＝1,…,k，如果γi＞α，则条件属性APi被保留；如果γi≤α，则条件属性APi被删除；

步骤十三、去除位置指纹数据库D中来自被删除的AP的数据，将位置指纹数据库D进行约简，得到约简后的数据库为其中k'为剩余AP的个数；

步骤十四、应用约简后的位置指纹数据库D'进行区域定位。

2.根据权利要求1所述的一种基于邻域粗糙集约简的室内区域定位方法，其特征在于，所述步骤十四包括以下步骤：步骤十四(一)、在测试点TPt,t＝1,…,M上采集来自剩余的APi,i＝1,…,k'的接收信号强度步骤十四(二)、计算测试点TPt,t＝1,…,M与参考点RPr,r＝1,…,N上来自APi,i＝

1,…,k'接收信号强度之间的欧式距离，得到如下距离矩阵其中

步骤十四(三)、计算测试点TPt,t＝1,…,M邻域半径δ't＝σ't/λ'，其中λ'为邻域参数；

步骤十四(四)、对于测试点TPt,t＝1,…,M，寻找测试点邻域半径内的参考点，即步骤十四(五)、在约简后的位置指纹数据库D'找到 中参考点所在的子区域，参考点数最多的子区域即为区域定位的结果；

步骤十四(六)、重复步骤十四(三)～步骤十四(五)，得到每个测试点TPt,t＝1,…,M所在的子区域。