1.基于WiFi网络信号的移动机器人室内定位系统，其特征在于，包括位于室内的移动机器人控制平台以及上位机；其中：移动机器人控制平台与上位机通过在室内多个WiFi网络设备之间组建的无线网络通信；

移动机器人控制平台，被配置为用于实时采集室内各个WiFi网络设备的WiFi信号强度的数据，并将采集的数据通过无线网卡发送至上位机；

上位机，被配置为用于接收移动机器人控制平台发送的数据，并利用定位软件对接收到的数据进行处理，实时显示移动机器人在室内的位置，同时控制移动机器人的移动。

2.根据权利要求1所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述定位软件中的定位算法采用基于指纹的室内定位算法。

3.根据权利要求1所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述定位软件是基于QT编译环境开发的。

4.根据权利要求3所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述定位软件具有用于显示室内场地、移动机器人实时位置坐标、移动机器人运行信息、WiFi信号强度的数据以及采集信息的上位机监控界面。

5.根据权利要求1所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述移动机器人控制平台包括主控单元、电机控制板和电机驱动板；其中：主控单元配置有用于向上位机发送WiFi信号强度的数据的无线网卡；

主控单元、电机控制板以及电机驱动板依次连接，共同控制移动机器人的运动。

6.根据权利要求1所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述移动机器人控制平台包括用于向主控单元、电机控制板和电机驱动板供电的电池。

7.根据权利要求5所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述主控单元采用CORTEX-A8系列开发板gec210。

8.根据权利要求5所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述电机控制板采用STM32F103ZET6开发板。

9.根据权利要求5所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，所述电机驱动板采用L298N电机驱动板。

10.根据权利要求1所述的基于WiFi网络信号的移动机器人室内定位系统，其特征在于，利用所述定位软件对移动机器人进行室内定位的过程如下：设定室内WiFi网络设备的数量为N个；

在离线/训练阶段，采集参考点处WiFi信号强度及其对应的位置信息，大量的数据形成训练数据集，先用RPCA把训练数据X进行处理，分出数据集里的有效数据A和稀疏噪声矩阵E，把稀疏噪声矩阵E去掉，保留有效数据；RPCA实际上是求松弛的凸优化问题：其中，||A||*表示矩阵A的核范数；

λ是正加权参数；||E||1表示矩阵E的绝对值之和；

下面是求解A和E的过程，为了求解这个优化问题，使用增广拉格郎日乘子方法：首先给上述公式加上惩罚项：

其中，μ是一个正标量，||X-A-E||F是X-A-E的Frobenius范数；

构造增广拉格朗日函数：

其中，Y是拉格朗日乘子，初始化需要用到的参数；

表示Y和X-A-E的内积；

初始化Y,μ0＞0,k＝0；

μ0是μ初始时刻的值，k是定义的循环初始值；

采用交替方向法求解：

其中，Ak+1是低秩矩阵A的第k+1项，Ek+1是稀疏噪声矩阵E的第k+1项，Yk是Y的第k项，μk是μ的第k项， 分别为X的第1/μk、λ/μk项；

是指使得函数L()取得其最小值的所有自变量A的集合；

是指使得函数L()取得其最小值的所有自变量E的集合；

然后分别将有效数据A的后N列强度信号数据作为训练输入，前两列坐标数据作为位置坐标输出，构建ELM模型为在线定位做准备；

离线训练过程如下：

有效数据A的后N列ri＝(ri,1,ri,2,...,ri,N)及其对应的空间位置前两列fL＝{l1,l2,...,lM}作为训练输入和目标输出，i＝1,2,...,M，隐藏层节点数为h(x)为激活函数，随机产生输入层与隐藏层间的连接权重wi和隐藏层神经元偏置bi；

则该网络可由如下数学模型表示：

该公式为RPCA-ELM模型公式，用矩阵形式表示为：Hβ＝L；

其中，

求解方程 得到输出权重估计

其中， 为H的Moore-Penrose广义逆矩阵；

保存输入层与隐藏层节点的连接权重矩阵wi、隐藏层神经元偏置bi和输出权重估计即可完成对RPCA-ELM模型的训练；

在线定位阶段，移动机器人接收来自WiFi网络设备的指纹信号，将其输入到构建好的ELM模型中，即可输出移动机器人位置估计，具体过程如下：实时采集移动机器人接收到的来自N个WiFi网络设备的信号强度矢量ro，将ro输入到已训练好的RPCA-ELM模型中，得移动机器人的坐标估计其中，ro＝(ro,1,ro,2,...,ro,N)。