1.基于容錯技術的WLAN室內三層人工神經網絡ANN智能定位方法，其特征在于 它的定位過程為：

步驟一：在WLAN室內定位環境中，設置N個參考點、U個測試點和M個接入點AP， 同時定義每個參考點和每個測試點的位置坐標，確保每個參考點被兩個或兩個以上的接入 點AP發出的信號覆蓋，同時確保每個測試點亦被兩個或兩個以上的接入點AP發出的信號 覆蓋；

步驟二：根據接入點AP的個數M和位置坐標的維數初始化人工神經網絡ANN結構， 具體為：取接入點AP的個數M為人工神經網絡ANN輸入層的節點數，取位置坐標的維 數為人工神經網絡ANN輸出層的節點數；

步驟三：將關于同一個參考點的來自不同接入點AP的多個信號強度RSS值組成參考 點RSS矩陣，并將每一個參考點的位置坐標及相應參考點的參考點RSS矩陣組成人工神經 網絡ANN訓練集，利用所述人工神經網絡ANN訓練集訓練多個人工神經網絡ANN，獲 得多個人工神經網絡ANN結構，所述多個人工神經網絡ANN的人工神經網絡ANN隱藏 層節點數不同；

步驟四：將關于同一個測試點的來自不同接入點AP的多個信號強度RSS值組成測試 點RSS矩陣，根據準線性函數的斜率α值、WLAN定位系統容許的抖動量xi和任意一個測 試點的測試點RSS矩陣，計算每一種人工神經網絡ANN結構的人工神經網絡ANN隱藏層 的每一個節點的容錯差異量，并計算每一種人工神經網絡ANN結構的人工神經網絡ANN 隱藏層的容錯差異量為0的節點數，所述容錯差異量為0表示人工神經網絡ANN輸入層加 入WLAN定位系統容許的抖動量后，人工神經網絡ANN輸出層輸出的位置坐標不變；

步驟五：根據每一種人工神經網絡ANN結構的人工神經網絡ANN隱藏層的容錯差異 量為0的節點數和每一種人工神經網絡ANN結構的人工神經網絡ANN隱藏層的總節點數， 計算每一種人工神經網絡ANN結構的容錯滿意度記 錄所述容錯滿意度λ為最高時的人工神經網絡ANN隱藏層節點數，保存相應的人工神經網 絡ANN結構并將所述人工神經網絡ANN結構定義為人工神經網絡ANN容錯結構；

步驟六：從所有測試點中選取待測點，向人工神經網絡ANN容錯結構導入待測點的測 試點RSS矩陣，得到待測點的定位坐標。

2.根據權利要求1所述的基于容錯技術的WLAN室內三層人工神經網絡ANN智能定 位方法，其特征在于步驟四中所述的根據準線性函數的斜率α值、WLAN定位系統容許的 抖動量x_i和任意一個測試點的測試點RSS矩陣，計算每一種人工神經網絡ANN結構的人 工神經網絡ANN隱藏層的每一個節點的容錯差異量的具體過程為：

將任意一個測試點的測試點RSS矩陣作為輸入量X_i代入每一種人工神經網絡ANN結 構的人工神經網絡ANN輸入層，并向人工神經網絡ANN輸入層加入WLAN定位系統容 許的抖動量x_i，分析人工神經網絡ANN輸入層的輸入量由X_i變為X_i+x_i后的人工神經網 絡ANN輸出層的輸出量的變化趨勢，

①當人工神經網絡ANN隱藏層的任意一個節點q滿足時，

若則無變化，節點q的容錯差異量為0，其中，n₁表 示人工神經網絡ANN輸入層節點數，W_ij表示人工神經網絡ANN輸入層和人工神經網絡 ANN隱藏層之間的權值，j為自然數，θ_j表示人工神經網絡ANN隱藏層閾值，表示人 工神經網絡ANN隱藏層的輸出量，表示人工神經網絡ANN輸出層的輸出量；

②當人工神經網絡ANN隱藏層的節點q滿足Yj2=1α(Σi=1n1WijXi-θj+Σi=1n1Wijxi)]]>時，

若Σj=1n2Σi=1n1WijWjkXi-Σj=1n2Wjkθj+Σj=1n2Σi=1n1WijWjkxi≥α(α+θk)]]>或 Σj=1n2Σi=1n1WijWjkXi-Σj=1n2Wjkθj+Σj=1n2Σi=1n1WijWjkxi<≥αθk,]]>則無變化，節點q的 容錯差異量為0，其中，n₂表示人工神經網絡ANN隱藏層節點個數，W_jk表示人工神經網 絡ANN隱藏層和人工神經網絡ANN輸出層之間的權值，θ_k表示人工神經網絡ANN輸出 層的閾值；

若αθk≤Σj=1n2Σi=1n1WijWjkXi-Σj=1n2Wjkθj+Σj=1n2Σi=1n1WijWjkxi<α(α+θk),]]>

則輸出量Yk3=1α2Σj=1n2Σi=1n1WijWjkXi-1α2Σj=1n2Wjkθj-1αθk+1α2Σj=1n2Σi=1n1WijWjkxi,]]>的變化量為節點q的容錯差異量不為0；

③當人工神經網絡ANN隱藏層的節點q滿足時，

若則無變化，節點q的容錯差異量為0；

④當人工神經網絡ANN隱藏層的前p個節點滿足且人工神經網絡ANN隱藏層的后n₂-p個節點滿足時，其中，p為自然數，且小于等于n₂，

若人工神經網絡ANN隱藏層的前p個節點滿足人工神經網絡ANN隱藏 層的后n₂-p個節點滿足越接近α+θ_j，越小或者越接近θ_j， 越大；同時滿足

Σj=1pWjk+1αΣj=p+1n2Σi=1n1WjkWijXi+1αΣj=p+1n2Σi=1n1WjkWijxi-1αΣj=p+1n2Wjkθj≥α+θk]]>或

Σj=1pWjk+1αΣj=p+1n2Σi=1n1WjkWijXi+1αΣj=p+1n2Σi=1n1WjkWijxi-1αΣj=p+1n2Wjkθj≥α+θk,]]>

則完全無變化，每一個節點的容錯差異量為0；

若人工神經網絡ANN隱藏層的前p個節點滿足人工神經網絡ANN隱藏

層的后n₂-p個節點滿足越接近α+θ_j，越小或者越接近θ_j，

越大；同時滿足

θk≤Σj=1pWjk+1αΣj=p+1n2Σi=1n1WjkWijXi+1αΣj=p+1n2Σi=1n1WjkWijxi-1αΣj=p+1n2Wjkθj<α+θk]]>則，

Yk3=1αΣj=1pWjk+1α2Σj=p+1n2Σi=1n1WjkWijXi+1α2Σj=p+1n2Σi=1n1WjkWijxi-1α2Σj=p+1n2Wjkθj-1αθk,]]>

的變化量為人工神經網絡ANN輸出層的每一個節點的容錯差 異量不為0。