1.一种基于最大信息系数的模糊聚类冗余接入点约简方法，其特征在于包括以下步骤：

步骤一、在测试环境中放置n个位置已知的AP并标定m个RP；

步骤二、在每个RP处采集来自不同AP的接收信号强度，并基于此构建RSS特征矩阵R；具体包括以下步骤：

1 m

步骤二(一)、对于n个APs发射信号，在RPs处采集RSS序列RSS＝{rss ,…,rss }，其中，j j

rss 表示在第j(j＝1,…,m)个RP处采集的来自测试环境中APs的RSS；其中，rss ＝{rss1j,…,rssnj}，rssij表示在第j个RP处接收到的来自第i(i＝1,…,n)个AP的RSS，从而可建立接收信号强度集合为：

步骤二(二)、基于接收信号强度集合RSS，分别选取这些RSS数据的RSS均值、RSS方差、RSS最大值、RSS最小值、RSS最值差、RSS中值、最大概率RSS和RSS过均值概率作为标记RPs的信号特征，并将信号特征的数目记为ξ；

步骤二(三)、基于步骤二(二)，建立RSS特征集合R＝{r1,…,rξ}，其中，rg＝(rg1,…,rgn)表示测试环境中AP的第g(g＝1,…,ξ)个RSS特征，rgi(i＝1,…,n)表示第i个AP在所有RPs处的第g个RSS特征的均值，即 基于此，建立RSS特征矩阵：步骤三、对R进行归一化处理，获取标准化RSS特征矩阵 具体包括以下步骤：步骤三(一)、对rgi进行标准差变换，令 其中， 表示离线RSS数据的第g个特征均值， 表示第g个RSS特征的标准差；

步骤三(二)、对r′si行极差变换，令 对于r″si，取其对数以缩小RSS特征之间的数量级，即令r″′si＝lg(r″si)；基于此，可构建标准化RSS特征矩阵其中，r″′si表示第i个AP关于第g个标准化RSS特征的期望；

步骤四、根据标准化RSS特征矩阵 计算Dpq的互信息I(APp,APq)；具体包括以下步骤：步骤四(一)、对于测试环境中任意两个APs，记RSSp＝(r″′1p,…,r″′ξp)(p＝1,…,n)，RSSq＝(r″′1p,…,r″′ξq)(q＝1,…,n)，分别表示第p个AP(即APp)和第q个AP(即APq)的标准化RSS特征的期望；

步骤四(二)、将由RSSp和RSSq组成的数据散点集合记为Dpq，Dpq＝{(r″′gp,r″′gq),p,q＝

1,…,n}；此时，对于任意尺度f×c下的某一个划分Gf×c，可将Dpq对应的散点图 划分为f×c个区域，其中，f和c分别表示划分的行数和列数；

步骤四(三)、基于步骤四(二)，计算关于Dpq的互信息：I(APp,APq)＝H(APp)+H(APq)‑H(APp,APq)其中，

p(r″′gp)和p(r″′gq)分别表示RSSp和RSSq的边缘概率密度，p(r″′gp,r″′gq)表示RSSp和RSSq的联合概率密度；

步骤四(三)、对于p(r″′gp,r″′gq)，根据划分Gf×c下的Dpq，基于二维直方图估计可得：其中，Ωh为Gf×c下的第h个区域且 card(Ωh)表示位于Ωh内的散点数量，area(Ωh)表示区域Ωh的面积；

步骤四(四)、对于p(r″′gp)，记 对区间进行τ(＝ΔP/t)等间隔划分，其中，τ表示间隔数；此时，令为第η个间隔，则通过一维直方图估计方法可得：

其中，card(Δη)表示集合{(r″′1p,…,r″′ξp)}中位于Δη内的元素个数；

步骤五、根据Dpq的互信息I(APp,APq)，计算APp和APq的最大信息系数mpq；具体包括以下步骤：

步骤五(一)、遍历在当前尺度(即f×c)下的所有划分并计算相应的关于Dpq的互信息，将所得互信息的最大值定义为尺度f×c下关于Dpq的互信息If×c(APp,APq)＝maxI(APp,APq)；

步骤五(二)、为了比较不同尺度下互信息的差异，将If×c(APp,APq)进行归一化处理以得到：

mf×c＝If×c(APp,APq)/log2min{f,c}基于此，构建关于Dpq的互信息特征矩阵M(APp,APq)＝(mf×c)；

步骤五(三)、基于步骤五(二)，定义M(APp,APq)中最大元素值为APp和APq的最大信息系

0.6

数，表示为 其中，B(m)＝m ；此时，mpq值越大，表明APp和APq的相关程度越高，从而在用于目标位置估计时的相互替代性越高；

步骤六、根据APp和APq的最大信息系数mpq，遍历所有APs可得关于AP相关性的最大信息系数矩阵，定义该矩阵为关于AP相关性的模糊相似矩阵，记为M：其中，mpq表示APp和APq对应的最大信息系数；

*

步骤七、根据关于AP相关性的模糊相似矩阵M，获取关于AP相关性的模糊等价矩阵M并利用模糊聚类获取相关AP集合C1,…,CK；具体包括以下步骤：步骤七(一)、根据模糊相似矩阵的等价理论，从M出发，依次计算其二次方，即：其中，符号 表示扎德合成运算，则可得：l

当首次出现 时，定义M为关于AP相关性的模糊相似矩阵M对应的模糊等价*

矩阵，记为M， 表示为：

*

步骤七(二)、基于步骤七(一)，计算M的ω‑截矩阵，记为其中，

步骤七(三)、基于步骤七(二)，通过模糊聚类可得到测试环境中不同APs关于相关性的集合C1,…,CK，其中，Ck(k＝1,…,K)表示第k个具有相关性的AP的集合；

步骤八、基于步骤七，从不同的相关AP集合中随机选择一个AP即可构建非冗余的AP集合Cnun‑redundant，并将集合Cnun‑redundant中的APs用于在线阶段的目标位置估计。