1.一种基于智能手机的室内WiFi指纹定位自动标定方法，其特征在于，所述方法包括如下步骤：S101，获取通过标准手机采集到的标准采样数据，以及通过用户手机采集到的用户采样数据，其中所述标准采样数据为所述标准手机采集到的WiFi指纹数据并经均值化处理得到，所述用户采样数据为所述用户手机采集到的WiFi指纹数据并经正态分布处理得到；

S102，根据所述标准采样数据以及所述用户采样数据建立并训练得到支持向量机算法模型，并记录对应的模型参数及用户手机型号；

S103，以所述用户采样数据作为模型输入，将经所述支持向量机算法模型处理后得到的输出作为标定值以完成自动标定作业；

对所述标准手机采集到的WiFi指纹数据进行均值化处理的方法包括如下步骤：根据公式

对所述标准手机采集到的WiFi指纹数据中的每个Mac地址的RSSI值作均值处理得到所述标准采样数据，记作RSSIavg；

对所述用户手机采集到的WiFi指纹数据并经正态分布处理得方法包括如下步骤：根据公式

对所述用户手机采集到的WiFi指纹数据中的每个Mac地址的RSSI值作均值处理，并将所有Mac地址的RSSI均值记作AllRSSIavg；

根据公式 计算得到标准差S，其中n为Mac地址的个数；

根据正态分布3σ原则，在正态曲线下，选取RSSIavg在区间(AllRSSIavg-3σ，AllRSSIavg+3σ)内的数据以得到所述用户采样数据，其中σ即为所述标准差S；

在通过用户手机采集WiFi指纹数据之前，所述方法进一步包括，判断用户手机的手机型号是否在标定库中；

若是，则跳转至步骤S103，以所述用户采样数据作为模型输入，将经支持向量机算法模型处理后得到的输出作为标定值以完成自动标定作业。

2.根据权利要求1所述的基于智能手机的室内WiFi指纹定位自动标定方法，其特征在于，从所述标准手机获取的所述标准采样数据或从所述用户手机获取的所述用户采样数据的发送格式为：{Model{(Pi{(APi1,RSSIi1avg),...(APij,RSSIijavg),...(APik",RSSIik"avg)})}}其中，Model是手机型号，Pi是编号为i的室内特征采样点，APij(j∈[1,k"])为用户手机或标准手机在编号为i的室内特征采样点均能采集到信号的第j个WiFi无线路由器AP，RSSIijavg为编号为i的特征采样点采集第j个AP的RSSI均值。

3.根据权利要求1所述的基于智能手机的室内WiFi指纹定位自动标定方法，其特征在于，所述根据所述标准采样数据以及所述用户采样数据建立并训练得到支持向量机算法模型的方法包括如下步骤：根据所述用户采样数据以及所述标准采样数据，得到训练样本集；

在支持向量机中，根据所述用户采样数据，通过非线性映射，映射到高维特征空间，以建立一线性模型用于估计回归函数；

根据所述非线性映射，计算得到径向基核函数；

根据拉格朗日函数，将所述径向基核函数进行转化以得到所述支持向量机算法模型。

4.根据权利要求3所述的基于智能手机的室内WiFi指纹定位自动标定方法，其特征在于，所述根据所述用户采样数据以及所述标准采样数据，得到训练样本集的方法包括如下步骤：将用户手机采样数据作为xi，标准手机采样数据作为yi，得到训练样本集D＝{(x1,y1)...(xi,yi)...(xm,ym)}；

所述线性模型的表达式为：

f(x)＝wφ(x)+b

其中，w为权向量，b为阈值，φ(x)为所述非线性映射。

5.根据权利要求4所述的基于智能手机的室内WiFi指纹定位自动标定方法，其特征在于，所述径向基核函数的表达式为：其中，σ为核宽度，xi以及xj为特征向量；

所述支持向量机算法模型的表达式为：

其中ai≥0， 为拉格朗日乘子，n为支持向量的个数，为回归阈值。

6.一种基于智能手机的室内WiFi指纹定位自动标定系统，其特征在于，所述系统包括：数据采样模块，用于执行步骤S101，获取通过标准手机采集到的标准采样数据，以及通过用户手机采集到的用户采样数据，其中所述标准采样数据为所述标准手机采集到的WiFi指纹数据并经均值化处理得到，所述用户采样数据为所述用户手机采集到的WiFi指纹数据并经正态分布处理得到；

模型建立模块，用于执行步骤S102，根据所述标准采样数据以及所述用户采样数据建立并训练得到支持向量机算法模型，并记录对应的模型参数及用户手机型号；

自动标定模块，用于执行步骤S103，以所述用户采样数据作为模型输入，将经所述支持向量机算法模型处理后得到的输出作为标定值以完成自动标定作业；

对所述标准手机采集到的WiFi指纹数据进行均值化处理的方法包括如下步骤：根据公式

对所述标准手机采集到的WiFi指纹数据中的每个Mac地址的RSSI值作均值处理得到所述标准采样数据，记作RSSIavg；

对所述用户手机采集到的WiFi指纹数据并经正态分布处理得方法包括如下步骤：根据公式

对所述用户手机采集到的WiFi指纹数据中的每个Mac地址的RSSI值作均值处理，并将所有Mac地址的RSSI均值记作AllRSSIavg；

根据公式 计算得到标准差S，其中n为Mac地址的个数；

根据正态分布3σ原则，在正态曲线下，选取RSSIavg在区间(AllRSSIavg-3σ，AllRSSIavg+3σ)内的数据以得到所述用户采样数据，其中σ即为所述标准差S；

所述系统还用于，

在通过所述用户手机采集WiFi指纹数据之前，还包括判断所述用户手机的手机型号是否在标定库中；

若是，则跳转至步骤S103，以所述用户采样数据作为模型输入，将经支持向量机算法模型处理后得到的输出作为标定值以完成自动标定作业。