1.基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：该方法包括以下步骤：步骤一、在室内场景中，建立关于信号传播距离均值、最大值和最小值的信号传播模型d(v)、du(v)和dl(v)；

步骤二、令d1,…,dl表示RSS为v时随机选择的l个信号传播距离，构造相应的关于信号传播距离分布的高斯核密度估计函数：其中，K(·)表示核函数，h表示带宽；

步骤三、计算高斯核密度估计函数的最优带宽hMISE；

步骤四、对步骤二中公式 进行归一化处理，得RSS为v时归一化的信号传播距离密度分布估计：步骤五、获取目标关于第j个AP的信任函数Belj(I)和似然函数Plj(I)；

步骤六、通过边界误差检验方法删除RSS奇异样本以修正RSS样本均值；

步骤七、基于步骤四中公式 所示归一化的信号传播距离密度分布估计，建立pi与目标位置关于第j个AP的关系状态的初始信任{mj(I),mj(N),mj(Θ)}：

其中， 表示RSS为 时距离为dij的归一化密度，dij表示第i个参考点与第j个AP的距离，aj表示关于第j个AP的目标位置不确定状态的概率；

步骤八、根据D‑S证据合成规则，利用m个AP的基本概率赋值对多源RSS信息进行融合，获取每个RP的综合信任估计；

步骤九、基于步骤八，得目标关于pi的两种确定状态的信任估计m(I)和m(N)，以及一种不确定状态的信任估计m(Θ)；此时，当满足m(I)＞m(N)且m(I)＞m(Θ)时，定义pi为理想匹配RP；

步骤十、获取理想匹配RP集合Ψ′并结合质心算法实现对目标位置的估计。

2.根据权利要求1所述的基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：所述步骤一具体包括以下步骤：2

步骤一一、基于三种启发式分布模型F1： F2：d(v)＝b0+b1v+b2v 和F3： 分别对信号传播距离随RSS变化的均值、最大值和最小值通过最小二乘法进行拟合；

步骤一二、基于步骤一一，通过选择具有最小拟合误差的最优启发式分布模型建立来自不同AP的RSS与信号传播距离之间的数学关系，并基于此建立关于信号传播距离均值、最大值和最小值的信号传播模型 和

3.根据权利要求1所述的基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：所述步骤三具体包括以下步骤：步骤三一、构造平均积分平方误差MISE函数：2

MISE(h)＝E{∫R[ph(x)‑f(x)]dx}其中，符号“E”表示期望运算，ph(x)表示样本的核密度估计函数，f(x)表示样本的概率密度函数，R表示样本空间域；

步骤三二、基于步骤三一，在弱假设条件下，计算得到：步骤三三、为得到MISE(h)取最小值时的最优带宽hMISE，对MISE(h)求关于h的偏导并令其等于0，即：

进而得到：

‑0.2

在选择Epanechnikov核函数的条件下，有hMISE≈2.345σl ，其中，σ表示信号传播距离的标准差。

4.根据权利要求1所述的基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：所述步骤五具体包括以下步骤：步骤五一、构造每个RP与目标位置的关系状态集合H＝{I,N,Θ}；其中，RP为pi，i＝

1,…,n，n为RP个数，I和N分别表示目标位于和不位于pi处；Θ＝I或N，表示目标位置的不确定状态；

步骤五二、基于步骤五一，建立相应的关于第j个AP的基本概率赋值mj：其中，φ表示空集；j＝1,…,m,mj为H到[0,1]的映射；

步骤五三、基于步骤五二，定义目标关于pj的信任函数Belj(I)和似然函数Plj(I)为：

5.根据权利要求1所述的基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：所述步骤六具体包括以下步骤：步骤六一、将RSS数据中的奇异样本数占样本总数的比值表示为a，则目标位置不确定状态和确定状态的概率分别为p(Θ)＝a和p(I)+p(N)＝1‑a；

步骤六二、获取目标处采集的来自第j个AP的RSS样本集合Xj＝{xj,1,…,xj,s}，其中，s表示样本总数；

步骤六三、获取关于第j个AP的信号传播距离均值拟合函数dj(v)；

步骤六四、获取关于第j个AP的信号传播距离最大值的拟合函数dj,u(v)步骤六五、获取关于第j个AP的信号传播距离最小值的拟合函数dj,l(v)步骤六六、设置RSS奇异样本数初始值为ε,ε＝0；

步骤六七、计算Xj中RSS样本均值步骤六八、计算 和

步骤六九、令k＝1，如果 或 进入步骤六十，否则进入步骤六十一；

步骤六十、令ε＝ε+1，其中，ε表示RSS奇异样本数初始值；

步骤六十一、将xj,k从Xj中剔除，得到新的RSS样本集合X′j＝Xj‑xj,k；

步骤六十二、令k＝k+1，判断k是否大于s，s为RSS样本总数，如果是，则进入步骤六十二，如果否，则进入步骤六九；

步骤六十三、计算a＝ε/s，进而基于此计算X′j中RSS样本均值 并将其作为RSS样本均值的修正值。

6.根据权利要求1所述的基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：所述步骤八具体包括以下步骤：步骤八一、计算mj,j＝1,…,m；

步骤八二、令m(I)＝m1(I)、m(N)＝m1(N)和m(Θ)＝m1(Θ)；

步骤八三、令j＝2；

步骤八四、计算

步骤八五、计算

步骤八六、计算

步骤八七、令j＝j+1，重复步骤八四、步骤八五和步骤八六，直到j＞m，此时的{m(I),m(N),m(Θ)}，即为RP综合信任估计。

7.根据权利要求1所述的基于证据合成规则优化的Wi‑Fi室内定位方法，其特征在于：所述步骤十具体包括以下步骤：步骤十一、基于步骤九，令Ψ＝{p1,…,pe}，表示包含e个理想RP的集合，定义其对应的信任函数为 在Ψ中剔除理想RP直至剩余的理想RP集合Ψ′＝{p1,…,pe′},e′≤e的信任函数 不再满足 其中，ε表示预先设定的阈值；

步骤十二、基于步骤十一、定义Ψ′为理想匹配RP集合，即信任度高的理想RP集合，并将该集合中所有理想匹配RP的质心作为目标位置的估计。