簡介這是一套面向計算機相關專業(yè)畢業(yè)設計或課程設計場景的WiFi信號強度定位工具項目基于Java開發(fā)Android端APK完整呈現(xiàn)了通過WiFi信號強度實現(xiàn)位置估算的工程實現(xiàn)路徑。壓縮包共254個文件以66個Java源碼、78個XML配置與布局、61張PNG界面資源為主體輔以Gradle構建腳本、JAR依賴及可直接安裝的APK包整體僅8.85MB便于導入Android Studio編譯和二次開發(fā)。資源已經(jīng)過功能測試可用于畢設展示、課設作業(yè)或初期立項演示既能在真機直接運行APK查看效果也能對照源碼理解WiFi信號采集、位置計算與界面展示等完整實現(xiàn)思路。壓縮包內(nèi)含PDF與MD說明文檔可幫助快速梳理目錄結構和啟動步驟降低上手門檻。目前已有300人學習/下載對需要快速完成室內(nèi)定位方向課題的學生具有較高參考價值。1. 用 Java 實現(xiàn) WiFi 信號定位先從 RSSI 與傳播模型說起在商場中庭、地下車庫或展覽館里手機能掃到十幾個 WiFi 熱點卻搜不到可用的 GPS 衛(wèi)星。這個標題要解決的正是這種“室內(nèi)無星”場景基于 WIFI 信號強度用 Android Java 讀取周邊熱點的 RSSI結合傳播模型或指紋庫把信號強度換算成設備坐標再打包成 APK 安裝包。真正決定定位精度的不是 UI而是無線信號的抖動控制。同樣的位置連續(xù)掃描 10 次RSSI 可能震蕩 7dBm 以上對應距離偏差經(jīng)常超過 5 米。所以這個畢設的技術含量不在于掃到了多少 AP而在于怎么建模、怎么過濾、怎么匹配坐標。下面按我實際搭過的一條路徑講。2. 基于 WIFI 信號強度的室內(nèi)定位RSSI 定位模型與誤差來源2.1 為什么選 RSSI 而不做 TOA / AOA 測距TOA到達時間定位在原理上比 RSSI 干凈測出信號從 AP 到手機的時間乘光速就是距離?？善胀?WiFi 網(wǎng)卡根本不提供納秒級時間戳Android 的 ScanResult 也沒有這個字段。AOA到達角度需要陣列天線手機端同樣拿不到。RSSI 是每個 ScanResult 都暴露的 level 字段能在幾乎所有 Android 設備上讀到因此基于 WIFI 信號強度的定位成了室內(nèi)定位最現(xiàn)實的入口。RSSI 的問題也很直接它不是穩(wěn)定的距離度量。發(fā)送功率、天線方向、墻體和人體吸收都會改變同一個位置的電平讀數(shù)。要在 Java 里把它轉換成坐標先要接受“信號強度只能給出概率意義上的位置”然后選一種模型消化這種不確定性。這也是標題里“設計”二字的重點。2.2 對數(shù)距離路徑損耗模型與 Java 距離換算最常用的經(jīng)驗模型是RSSI(dBm) A - 10 * n * log10(d / d0)A 是距離 AP 一米處測到的信號強度n 是路徑損耗指數(shù)d0 取 1 米。反解出 dpublic class RssiDistanceUtil { private static final double A -46.0; private static final double N 3.0; private static final double MIN_RSSI -90.0; public static double distanceByRssi(double rssi) { double r Math.max(rssi, MIN_RSSI); return Math.pow(10.0, (A - r) / (10.0 * N)); } }這段代碼把 r.level負數(shù)當成 rssi先鉗制在 -90 以上避免極端弱信號算出離譜距離。A 和 N 不要拍腦袋填我一般會在一樓實驗室里實測距離 AP 1 米處掃 20 次取平均寫 A再在 5 米、10 米處各采幾組做擬合得到 n。下表是常見取值參數(shù)典型值說明A-40 ~ -55取決于 AP 發(fā)射功率和手機天線增益n2.0 ~ 3.8越空曠越接近 2墻體越多越大模型描述的是理想自由空間衰減。如果 AP 少、場景開闊可以把 n 設小如果房間隔墻多n 不提高的話距離會整體偏大三個圓的交集也會變成一大片模糊區(qū)域。2.3 指紋定位與傳播模型的選型邊界傳播模型能算出“到某個 AP 的距離”但三個圓交出的區(qū)域常常很大。多徑反射會同時把幾路信號疊在一起RSSI 不嚴格遵守衰減公式。另一個可選路徑是指紋定位先在網(wǎng)格點上采集“BSSID - RSSI”向量存成指紋在線定位時拿當前向量去比較。方案離線工作定位精度實現(xiàn)復雜度傳播模型三邊測量只需 AP 坐標5~15 米低傳播模型加權質(zhì)心只需 AP 坐標4~10 米低指紋 kNN逐網(wǎng)格采集2~5 米中對畢設來說如果現(xiàn)場只有三四個可用 AP用傳播模型加加權質(zhì)心更現(xiàn)實如果可以拿著手機在各點位慢慢掃指紋方案演示效果更好。后面章節(jié)把兩條路都講指紋為主質(zhì)心作為兜底。2.4 多徑、人體遮擋與弱信號 AP 的過濾策略RSSI 抖動主要來自多徑和人體遮擋。同一位置連續(xù)掃 10 次標準差超過 3dBm 很常見。角度一變信號可能掉 8 個 dBm。所以不能在每次掃描后直接做定位至少要先對 AP 列表做一次規(guī)整public MapString, Integer normalizeRssi(ListScanResult results) { MapString, Integer map new HashMap(); for (ScanResult r : results) { if (r.level -85) { continue; } Integer old map.get(r.BSSID); if (old null || r.level old) { map.put(r.BSSID, r.level); } } return map; }我一般會把-85dBm作為閾值。低于這個值RSSI 波動幅度很大對距離計算的貢獻幾乎是噪聲。同一 BSSID 在廣播多頻段時會重復出現(xiàn)這里保留信號最強的那一個。如果環(huán)境中 AP 很少閾值可以放寬到 -88否則盡量不用弱 AP。3. Android Java 工程搭建權限配置、WiFi 掃描與指紋采集3.1 AndroidManifest 權限與 Java 環(huán)境變量配置從命令行構建 APK 之前先確認系統(tǒng)能識別 JDK。java -version能輸出版本號再在項目根目錄跑./gradlew。如果 java 環(huán)境變量配置不對Gradle 會直接報JAVA_HOME is set to an invalid directory。Android Studio 自帶 JBR但命令行打包時仍建議顯式把JAVA_HOME指向 JDK 11 或 JDK 17。然后是 AndroidManifest.xml 里的權限uses-permission android:nameandroid.permission.ACCESS_WIFI_STATE / uses-permission android:nameandroid.permission.CHANGE_WIFI_STATE / uses-permission android:nameandroid.permission.ACCESS_COARSE_LOCATION / uses-permission android:nameandroid.permission.ACCESS_FINE_LOCATION / uses-permission android:nameandroid.permission.NEARBY_WIFI_DEVICES /前兩個權限負責掃描和觸發(fā)掃描關鍵點是從 Android 6.0 開始getScanResults()能返回多少內(nèi)容取決于是否授予定位權限。只申請 WiFi 權限結果集可能為空。如果 targetSdk 33 以上還要動態(tài)申請NEARBY_WIFI_DEVICES否則 BSSID 仍然拿不到。動態(tài)申請時按系統(tǒng)版本分批public void checkPermission(Activity activity) { ListString need new ArrayList(); Collections.addAll(need, Manifest.permission.ACCESS_FINE_LOCATION, Manifest.permission.ACCESS_COARSE_LOCATION); if (Build.VERSION.SDK_INT 33) { need.add(android.permission.NEARBY_WIFI_DEVICES); } activity.requestPermissions(need.toArray(new String[0]), 1001); }之所以用字符串常量而不直接用Manifest.permission.NEARBY_WIFI_DEVICES是為了在低版本 SDK 上少做一次 API 分支低版本對未知權限會直接忽略。權限組合可以按下表核對使用場景權限是否動態(tài)掃描結果ACCESS_WIFI_STATE否觸發(fā)掃描CHANGE_WIFI_STATE否拿到 BSSID/RSSIACCESS_FINE_LOCATION是Android 13NEARBY_WIFI_DEVICES是3.2 用 BroadcastReceiver 做 WiFi 掃描并取 RSSI掃描結果通過系統(tǒng)廣播返回代碼public class WifiScanner extends BroadcastReceiver { public interface OnScanResultListener { void onResult(MapString, Integer rssiMap); } private final WifiManager wifiManager; private final OnScanResultListener listener; public WifiScanner(Context context, OnScanResultListener listener) { this.wifiManager (WifiManager) context.getApplicationContext() .getSystemService(Context.WIFI_SERVICE); this.listener listener; } public boolean triggerScan() { // 一次掃描約 1~2 秒間隔太短會返回 false return wifiManager.startScan(); } Override public void onReceive(Context context, Intent intent) { if (!WifiManager.SCAN_RESULTS_AVAILABLE_ACTION.equals(intent.getAction())) { return; } MapString, Integer rssiMap new HashMap(); for (ScanResult r : wifiManager.getScanResults()) { if (r.level -85) continue; Integer old rssiMap.get(r.BSSID); if (old null || r.level old) { rssiMap.put(r.BSSID, r.level); } } listener.onResult(rssiMap); } }在 Activity 里注冊并觸發(fā)一次掃描wifiScanner new WifiScanner(this, map - onNewRssi(map)); registerReceiver(wifiScanner, new IntentFilter(WifiManager.SCAN_RESULTS_AVAILABLE_ACTION)); wifiScanner.triggerScan();我的習慣是每 2 秒調(diào)用一次triggerScan()收到一次結果后再啟動下一次。系統(tǒng)不會按應用的要求精準執(zhí)行連續(xù)調(diào)用會直接返回 false所以不能寫成循環(huán)里瘋狂startScan()。3.3 指紋數(shù)據(jù)序列化JSON 結構與采集流程把指紋點落盤成 JSON結構如下[ { x: 1.5, y: 2.0, aps: { aa:bb:cc:dd:ee:01: -43, aa:bb:cc:dd:ee:02: -58 } } ]x和y是物理坐標系里的坐標單位米原點自己定。aps的 key 用 BSSID不要用 SSID因為多個 AP 可能同名。采集流程我一般這樣把區(qū)域劃成 1 米間隔的網(wǎng)格手機停在某個網(wǎng)格中心連續(xù)掃 10 次逐個熱點取平均后寫入一條記錄。平均能壓掉一部分瞬時抖動比單次掃描更接近真實分布。3.4 Gradle 構建 APK簽名、輸出與加固Module 的 build.gradleandroid { compileSdk 34 defaultConfig { applicationId com.example.wifiloc minSdk 23 targetSdk 31 versionCode 1 versionName 1.0 } }targetSdk 選 31 而不是 34是因為高版本對 WiFi 掃描加了不少限制畢設演示通常不需要適配到最新政策。構建命令./gradlew assembleDebug adb install -r app/build/outputs/apk/debug/app-debug.apkassembleDebug會用一個自動生成的 debug keystore 簽名安裝到開發(fā)機上沒問題。如果要把 APK 交給別人最好生成 release 簽名否則部分手機會拒絕安裝。此外有些殺毒軟件會把不含正式簽名的 APK 報毒這時候可以走一次常規(guī)的 apk 加固流程重新簽名后再分發(fā)但畢設只要能在真機上跑通不強制。4. 定位算法實現(xiàn)kNN 指紋匹配、加權質(zhì)心與軌跡平滑4.1 指紋庫數(shù)據(jù)結構的 Java 定義寫一個簡單類public class Fingerprint { public double x; public double y; public MapString, Integer rssi new HashMap(); }從 assets 里的 JSON 加載public ListFingerprint loadFingerprints(Context context) throws JSONException, IOException { String json readAsset(context, fingerprints.json); JSONArray array new JSONArray(json); ListFingerprint list new ArrayList(); for (int i 0; i array.length(); i) { JSONObject obj array.getJSONObject(i); Fingerprint fp new Fingerprint(); fp.x obj.getDouble(x); fp.y obj.getDouble(y); JSONObject aps obj.getJSONObject(aps); IteratorString keys aps.keys(); while (keys.hasNext()) { String bssid keys.next(); fp.rssi.put(bssid, aps.getInt(bssid)); } list.add(fp); } return list; }這里把指紋庫放進 assets 而不是 /sdcard可以避免運行時讀寫權限和路徑問題。加載完成后可以打印指紋數(shù)量通常 100 個指紋點起步少于 30 個點會導致匹配結果跳躍。4.2 kNN 在線匹配的完整實現(xiàn)核心邏輯是計算當前 RSSI 向量與每個指紋的歐氏距離取最近的 k 個以距離倒數(shù)為權重做加權平均public static double[] locateByKnn(ListFingerprint db, MapString, Integer current, int k) { Listdouble[] dists new ArrayList(); for (Fingerprint fp : db) { double sum 0; int match 0; for (Map.EntryString, Integer e : fp.rssi.entrySet()) { Integer cur current.get(e.getKey()); if (cur ! null) { double delta e.getValue() - cur; sum delta * delta; match; } else { // 指紋庫里有、當前掃描沒有的 AP加上固定懲罰 sum 20 * 20; } } if (match 3) continue; dists.add(new double[]{Math.sqrt(sum), fp.x, fp.y}); } if (dists.isEmpty()) return null; dists.sort(Comparator.comparingDouble(v - v[0])); int realK Math.min(k, dists.size()); double wx 0, wy 0, wSum 0; for (int i 0; i realK; i) { double[] d dists.get(i); double w 1.0 / (d[0] 1.0); wx w * d[1]; wy w * d[2]; wSum w; } return new double[]{wx / wSum, wy / wSum}; }幾個參數(shù)的調(diào)整經(jīng)驗k 取 3 到 5 最穩(wěn)k1 時對瞬時抖動非常敏感k 超過 7 會把距離較遠的指紋點拉進來。缺失懲罰用20 * 20是為了讓“少了 1 個 AP”和“某個 AP 差 5dBm”處在同一量級不至于讓缺項完全主導距離。match 小于 3 的點直接跳過因為匹配的 AP 太少坐標幾乎沒有參考意義。參數(shù)建議值調(diào)低調(diào)高k3~5抖動變大位置被遠處點拉偏缺失懲罰20 dBm默認缺項影響明顯match 下限3不明顯的點也多可用指紋太少4.3 基于 AP 坐標的加權質(zhì)心定位指紋匹配依賴離線采集如果不想采集可以提前把每個 AP 的位置標在地圖上用信號強度加權質(zhì)心public static double[] locateByCentroid(ListApInfo aps) { double x 0, y 0, wSum 0; for (ApInfo ap : aps) { double w Math.pow(10.0, ap.rssi / 10.0); x w * ap.x; y w * ap.y; wSum w; } return new double[]{x / wSum, y / wSum}; }Math.pow(10.0, ap.rssi / 10.0)把 dBm 換算成線性功率。為什么不用 rssi 負值直接當權重例如 AP1 在 (-40, 0) 處信號 -45AP2 在 (40, 0) 處信號 -60前者應占主導但 -60 作為“數(shù)值”小于 -45直接加權會把位置推向 AP2。轉成功率后-45 對應的功率是 -60 的 31.6 倍權重關系才正確。這個替換是加權質(zhì)心定位里最容易踩的坑。4.4 滑動平均濾波與參數(shù)收斂定位結果直接用坐標會來回跳。我習慣在算法輸出后接一個一階低通private double[] smoothed; public double[] smooth(double[] point, double alpha) { if (smoothed null) { smoothed point.clone(); } else { smoothed[0] alpha * smoothed[0] (1 - alpha) * point[0]; smoothed[1] alpha * smoothed[1] (1 - alpha) * point[1]; } return smoothed; }alpha 越大軌跡越平滑但跟隨真實移動越慢。做靜態(tài)定位演示時可以用 0.9需要人走起來的話用 0.7。整個鏈路的順序是原始 RSSI → 過濾 AP → kNN 或質(zhì)心 → 滑動平均 → 坐標轉換順序不要反否則噪聲會先污染平均后的坐標。5. 精度驗證與可演示收尾誤差計算、地圖映射和答辯技巧5.1 用測試集計算 RMSE 與平均誤差指紋點本身是訓練數(shù)據(jù)不能用它們測精度。另選 20 個測試點每個點定位 5 次取平均坐標再計算與實際坐標的誤差public static double rmse(Listdouble[] pairs) { double sum 0; for (double[] p : pairs) { double dx p[0] - p[2]; double dy p[1] - p[3]; sum dx * dx dy * dy; } return Math.sqrt(sum / pairs.size()); }pairs 中前兩個值是估計坐標后兩個值是真實坐標。用這種方法算出的誤差通常比單點更可信。5.2 像素坐標與物理坐標的標定換算地圖圖片的像素坐標和日常定位用的米制坐標之間是線性映射。已知地圖上兩個參考點的物理坐標和像素坐標就能算出比例尺 scale米/像素。換算公式pixelX (physicalX - originX) / scalepixelY (physicalY - originY) / scale如果使用的地圖圖片 y 軸向下而物理坐標系 y 軸向上要額外對 pixelY 做翻轉否則定位點會鏡像到地圖的另一側。我在演示項目里會把 origin 取成地圖左上角對應的物理坐標這樣換算最簡單。5.3 權限拒絕、掃描節(jié)流與 BSSID 隨機化的排錯現(xiàn)象原因處理第一次掃描為空定位權限未授予動態(tài)申請 FINE_LOCATIONstartScan() 返回 false兩次掃描太近固定 2 秒間隔BSSID 顯示 02:00:00:00:00:00系統(tǒng)限制真實地址改為同 SSID 合并或關閉隨機化BSSID 隨機化按設備廠商行為不同指紋庫里的地址和當前掃描地址不一致時匹配度會突然下降?？梢韵劝严到y(tǒng)設置里該網(wǎng)絡的隨機 MAC 關掉再重新采集指紋這是最省事的做法。5.4 演示時值得提前固化的 3 個細節(jié)指紋庫一定提前打進 assets。答辯現(xiàn)場人多WiFi 環(huán)境會變現(xiàn)采指紋大概率失敗預置數(shù)據(jù)至少保證定位演示能出圖。地圖上疊加 RSSI 熱力圖。寫一個簡單的 View用 AP 信號強度做顏色漸變掃描到的 AP 畫圓RSSI 越高顏色越暖。觀眾能直接看到“信號強的地方定位點密集”比只看坐標點更有說服力。把平滑后的坐標按時間畫成軌跡線。邊走邊看路徑是否連續(xù)如果跳變明顯先把 k 調(diào)到 5alpha 調(diào)到 0.85再不行就去掉信號低于 -88 的 AP。邊看路徑是否平滑比單獨展示一個點更有說服力。本文還有配套的精品資源點擊獲取