1.位置指纹室内定位方法，其特征在于，方法包括如下步骤，步骤S1：对wifi强度信息进行离线训练处理，得到地图中位置的AP信息；

所述步骤S1包括如下步骤：

步骤S11：对wifi强度信息进行AP布置，得到不同地点AP的BSSID地址及RSSI；

步骤S12：对不同地点AP的BSSID地址及RSSI进行数据采集得到采集后的信息；

步骤S13：将采集后的信息进行边缘AP滤波以得到修正好的RSSI；

所述步骤S13包括如下步骤：

步骤S131：对原始信号进行分析，若出现时有时无的点，解析出消失点所占比例；

步骤S132：对于消失的点大于所设阈值的点进行边缘AP滤波；

步骤S14：对边缘AP滤波后的信息进行修正高斯滤波；

步骤S15：对修正好的RSSI进行神经网络训练得到地图中位置的AP信息；

步骤S2：根据地图中位置的AP信息进行在线训练处理，得到室内定位信息；

所述步骤S2包括如下步骤：

步骤S21：获取地图位置的AP信息；

步骤S22：对地图位置的AP信息进行数据预处理得到稳定的RSSI数据；

步骤S23：将稳定的RSSI数据进行神经网络训练，得到室内定位信息；

所述步骤S23的数据预处理包括如下步骤：步骤S231：对稳定的RSSI信息进行边缘AP滤波及修正高斯滤波处理，得到修正后的位置RSSI信息数据；

步骤S232：把滤波后的RSSI信息作为输入层的特征向量，输出层为房间编号，隐藏层为将此训练模型进行训练，得到的网络为指纹库信息，其中，房间编号为坐标one-hot数据；

其中，m为输入层节点数，n为输出层节点数，a为1～10的数；

其中，对AP信号设定阈值α，并判断任意地点-100dBm的样本数是否大于阈值α，若是，则将该地点的所有数据都置为-100dBm，否则，将信号强度作为有效指纹输入。

2.根据权利要求1所述的位置指纹室内定位方法，其特征在于，所述高斯滤波为概率分布，概率分布函数为，若随机变量X服从一个数学期望为μ、标准方差为σ2的高斯分布，记为：X～N(μ，σ2)

则其概率密度函数为：

式中，u表示高斯分布的均值，σ表示高斯分布的标准差，e表示自然数。