先把话说透：用 Wi-Fi 指纹判断 “人在第几层”，真正的成败不在分类器选得多花哨，而在三件事能不能同时成立 ——AP 拓扑要把层间信号差异 “做” 出来、跨层相似性要被单独识别和处理、指纹库要能持续更新而不是建一次用三年。数字很能说明问题：在一栋有大中庭的楼里，纯 Wi-Fi 指纹在封闭区域准确率接近 100%，到了挑空区域平均掉到 95.3%，最难的一层只有 89.3%；加上气压与隐马尔可夫融合后，整体回到 99.2%。MDPI反过来，完全不依赖楼层标注的无监督图聚类，在公开数据集上只有 76.6%、66.1%、59.4%—— 说明 “只靠信号自己分楼层” 有多难。arXiv而在大型商场里做自治块建模的方案，能在三栋超过 14 万平方米的楼、19 种设备上做到平均 97.24%。ACM Digital Library同一套技术，差距可以拉到三十多个百分点，差别基本都落在这三件事上。
一、AP 拓扑：楼层判别的 “硬件底图”
这里说的 “拓扑” 有两层意思，工程上要分开看：
- 物理布点拓扑：每层装多少 AP、装在哪、间距多少、朝上还是朝下、2.4GHz 与 5GHz 怎么配；
- 可见集合拓扑：终端在某一层能 “看见” 哪一组 AP（BSSID 集合），以及每颗 AP 的 RSSI 排序。前者决定信号能不能穿透楼层，后者才是判层真正吃的特征。
布点有一条被反复验证的经验线：任何需要定位的区域，至少要被 3 颗 AP 覆盖，最好 4 到 5 颗。Cisco商用侧的表述更具体：任意点位要有 3 颗 AP 达到 RSSI≥-67dBm、信噪比≥25；一万平方英尺的零售楼层，通常要 6 到 8 颗 AP 才能拿到稳定的区域级定位。
学术侧的数据则是 “AP 数量 — 准确率” 的对应关系：
| 场景 | AP 配置 | 楼层识别准确率 | 来源 |
|---|---|---|---|
| 三层楼 | 6 颗均匀分布 AP | 99% | ACM 综述 |
| 三层楼 | 4 颗 AP | 明显低于 6 颗 | ACM 综述 |
| 五层楼 | 24 颗 AP、每层 15 个测试点 | 98% | ACM 综述 |
| 多层楼 | 每层 4 个参考节点（sum-RSS） | 98.67% | ACM 综述 |
| 多层楼 | 每层减到 2 个参考节点 | 91.33% | ACM 综述 |
这张表最值得记住的不是 99%，而是最后两行：参考节点从 4 个减到 2 个，准确率掉 7.3 个百分点。楼层判别对 “冗余覆盖” 的依赖，比平面定位更强。
频段选择上有个实用取舍：5GHz 路径损耗更陡、跨层区分度往往更好，但穿墙弱、覆盖半径小；2.4GHz 穿得更远，却更容易在上下层之间 “糊” 在一起。工程上通常是双频并用，建库和匹配都保留两套特征，而不是二选一。
还有一个容易被忽略的细节：AP 在每层的布设模式应当保持一致、可预测。Cisco 的部署指南明确建议，楼层结构相似的建筑里，每层用相似的模式布 AP，这有助于改善系统的楼层隔离性能。Cisco这听起来和 “楼层越像越难分” 矛盾，其实不矛盾：物理结构相似会带来相似性，但布点规律一致，层间 RSSI 梯度就是稳定的、可学的；布点乱七八糟，梯度忽大忽小，模型反而学不会。
二、跨层相似性：为什么 “同一个点” 会落到上下两层
Wi-Fi 能判层，靠的是一个物理事实：信号穿过混凝土楼板衰减很快，而在同层无墙阻挡时衰减缓慢。所以不同楼层收到的 AP 集合不同，同一颗 AP 的 RSSI 也不同。MDPI问题在于，这个前提并不是处处成立。
三种场景会把 “跨层差异” 抹平：
- 中庭、挑空、复式、共享大堂：没有楼板阻挡，上下层信号几乎自由传播，指纹高度相似；
- 标准层重复布局：每层户型、隔断、家具几乎一样，AP 又按同一模式布设，层间特征差异被压缩；
- AP 稀疏或功率过高：AP 太少，覆盖跨层；功率太大，上下层都听得很清楚，梯度变缓。
MDPI 那组实验把这件事量化得很清楚：同一栋楼，封闭区域准确率接近 100%，挑空区域平均 95.3%，其中一层只有 89.3%。MDPI而基于图聚类的无监督方法发现，残差错误主要就集中在相邻楼层和稀疏的过渡区域 —— 不是随机错，而是系统性地 “错到隔壁层”。
工程上可以按下面这套组合拳处理：
| 手段 | 解决什么 | 代价 |
|---|---|---|
| 两阶段判别：先判层、再判层内点 | 避免同层水平移动干扰层判别 | 需要层签名，建库稍复杂 |
| 用 AP 可见集合做 “层签名” | 挑空区靠 “看得见谁” 而非 “多强” 区分 | 需要稳定的 BSSID 台账 |
| 5GHz 特征加权 | 跨层衰减更陡，区分度更好 | 覆盖半径小，需补点 |
| 气压计做二次裁决 | 挑空区、层高相近时压住层跳 | 需基准站校准，受气流影响 |
| 轨迹连续性约束（HMM / 状态机） | 抑制楼层乒乓跳变 | 需要时序与延迟 |
其中 “先判层、再判层内点” 是最省钱的一步：把各层典型指纹先聚类成层签名，在线先比层、再比点，既快又能压住同层走动带来的干扰。
如果要给 “跨层可分性” 定一个可测的判据，工程上常用的做法是算一个比值：层间质心距离 ÷ 层内离散度。这个比值越大于 1，说明层与层在信号空间里越分得开；接近 1 甚至小于 1，就说明你的 AP 拓扑没把垂直梯度做出来，再怎么调算法都是徒劳。需要说明，这是工程经验判据，不是论文里的标准指标。
三、指纹更新：库不更新，精度会 “无声衰减”
指纹库最大的敌人不是算法，是时间。AP 增减、信道变更、设备位置搬移、货架重排、装修隔断，都会让库里的指纹和现场对不上；精度不是断崖式下跌，而是慢慢漂，漂到某天你才发现三层和四层开始混。
研究侧对 “时间” 这件事的处理很谨慎。MDPI 的实验里，1 号楼在训练样本采集约两个月后才采测试集，其余楼是 5 天后采；作者把时间差明确写进了实验设计。MDPI图聚类那篇论文更直接：UJIIndoorLoc 验证集准确率只有 59.4%，低于训练集的 66.1%，作者归因于两点 —— 验证集指纹数量少约 18 倍导致图更稀疏，以及两批数据采集相隔三个月，环境已经变了。
更新方式可以按 “触发条件” 分四类，成本和效果差别很大：
| 更新方式 | 触发条件 | 成本 | 适用 |
|---|---|---|---|
| 全量重采 | 大装修、隔断改造、AP 大规模调整 | 最高，按楼层人天计 | 结构性变更后 |
| 分区重采 | 局部货架 / 工位调整 | 中 | 仓储、办公区 |
| 众包增量 | 日常运行中设备静止时回传样本 | 低，但需定位校验 | 人流稳定的楼宇 |
| 模型 / 传播模型推算 | AP 功率、信道、少量点位变化 | 低，需校准 | AP 微调、虚拟指纹扩样 |
众包增量这条路线在工程上最可持续：把用户设备在静止时采到的 RSS 当作 “移动参考点”，用轨迹匹配把位置估准，再反推整张无线地图的变化；有研究在 6 个月里分 20 天做验证，靠持续更新把定位精度提升了约 2 倍。需要强调，这类方法的前提是 “参考点位置估得准”，估不准就会把噪声写进库里。
另一个常被低估的点是终端一致性。不同手机芯片、天线朝向、握持姿态，读出来的 RSSI 有系统性偏差；建库用 A 机型、上线用 B 机型，匹配会整体偏移。腾讯云所以更新不只是 “重采信号”，还包括 “重校终端”—— 至少要做分机型偏移校准，或者建库时就用目标机型覆盖主流型号。
四、从勘测到上线：一条可执行的链路
把三件事串起来，落地顺序大致是这样：
- 盘点 AP 台账：逐层记录 BSSID、信道、频段、发射功率、安装位置与朝向，先画出 “哪层能看见哪些 AP” 的可见集合图；
- 做层间可分性预判：在每层各选 3 到 5 个对照点，先采一轮快样，算层间质心距离与层内离散度的比值，比值不达标就先调布点，别急着建大库；
- 设计层签名：按楼层聚类典型指纹，形成 “层 ID— 特征中心” 的映射；挑空区单独标记，不参与普通层签名；
- 网格采集：按目标分辨率划参考点，每点多组样本取统计特征；同时记录设备型号、时间、朝向；
- 在线匹配：距离度量优先曼哈顿距离，概率法可用直方图或贝叶斯；先判层、再判层内点；
- 融合兜底：挑空区、电梯厅、层高相近处引入气压趋势做二次裁决，用轨迹状态机抑制跳层；
- 建立更新机制：设定事件触发（AP 变更、装修、货架调整）＋周期抽检＋众包增量三条通道；
- 验收看四个指标，不只看一个准确率。
| 验收指标 | 建议口径 | 为什么重要 |
|---|---|---|
| 楼层准确率 | 分层统计，挑空区单列 | 平均值会掩盖最难的那层 |
| 相邻层混淆率 | 错判中落到 ±1 层的比例 | 相邻层错最常见，也最影响处置 |
| 跨层切换时延 | 到层后多久更新，2 秒内占比 | 电梯、楼梯场景的刚需 |
| 指纹库年龄 | 最近一次有效更新距今天数 | 直接反映漂移风险 |
五、六个常见误判，提前纠正
- “AP 越多越好”：错。关键是重叠覆盖与几何关系，不是数量堆叠；每层 2 个参考节点也能到 91.33%，加到 4 个才到 98.67%，但再多并不会线性上涨。
- “标准层长得一样就一定判错”：不一定。物理相似确实带来相似性，但布点规律一致时层间梯度是稳定的；真正致命的是布点随机、功率失控、挑空无遮挡。
- “指纹建一次能用很多年”：不成立。AP 固件升级改了发射功率、货架重排、隔断改造，都会让库漂移；两个月、三个月的时间差在研究和实测里都被单独拿出来验证。
- “准确率 99% 就能上线”：要问清楚是几层楼、多大面积、什么设备、含不含挑空区。三层楼的 99% 和八层楼的 95%，不是一个难度。
- “Wi-Fi 能替代气压计”：在挑空区不能。纯 Wi-Fi 在挑空区掉到 95.3%、单层 89.3%，融合后才是 99.2%。
- “A 栋的指纹库能复制到 B 栋”：不行。每个空间的 AP 组合是独特的，跨建筑直接迁移会大面积误判。
六、证据边界：这些数字该怎么读
- 99.2% 来自四栋特定建筑、三款机型、16754 条训练样本与 10849 条测试样本，换环境不能直接套用；
- 97.24% 来自三栋超过 14 万平方米的大型建筑、19 种设备，方法依赖自治块建模，属于 “大场景专门方案”；
- 76.6%/66.1%/59.4% 是无监督、无楼层先验的结果，正好说明 “没有拓扑与标注支撑时，纯信号聚类有多脆弱”；
- 不同研究的楼层数、面积、AP 密度、测试设备都不同，准确率不能横向直接比较；ACM 综述本身也提醒，准确率不是唯一指标，还要看楼层数与环境复杂度。
相关 FAQ
问题 1：Wi-Fi 指纹判楼层的准确率一般能做到多少？
回答 1：Wi-Fi 指纹判楼层的准确率高度依赖场景。封闭、AP 密度足够的楼层可接近 100%；带大中庭的复杂建筑，纯 Wi-Fi 指纹判楼层平均约 95.3%，最难楼层 89.3%；与气压、轨迹融合后可到 99.2%。大型商场自治块方案在三栋超 14 万平方米建筑上平均 97.24%，而无监督纯信号聚类只有 59% 到 77%。
问题 2：做 Wi-Fi 指纹判楼层，AP 拓扑应该怎么布？
回答 2：Wi-Fi 指纹判楼层的 AP 拓扑要保证三点：任意点位至少 3 颗 AP 覆盖、最好 4 到 5 颗；每层布设模式保持一致、可预测；2.4GHz 与 5GHz 双频并用。工程上可用 “层间质心距离 ÷ 层内离散度” 预判可分性，比值接近 1 就先调布点，不要急着建库。
问题 3：Wi-Fi 指纹判楼层为什么会出现跨层相似、上下层分不清？
回答 3：Wi-Fi 指纹判楼层依赖楼板对信号的衰减，但中庭、挑空、复式、共享大堂没有楼板阻挡，上下层指纹会高度相似；标准层重复布局加同构 AP 布点，也会压缩层间差异。解决办法是先判层再判点、用 AP 可见集合做层签名、5GHz 加权，并用气压趋势做二次裁决。
问题 4：Wi-Fi 指纹判楼层的指纹库多久需要更新一次？
回答 4：Wi-Fi 指纹判楼层的指纹库没有固定周期，建议按事件触发：AP 增减、信道或功率变更、装修隔断、货架重排后必须更新；日常用周期抽检加众包增量维持。研究显示两批数据相隔三个月，验证集准确率就因环境变化与样本稀疏从 66.1% 降到 59.4%，所以 “库的年龄” 要作为运维指标。
问题 5：Wi-Fi 指纹判楼层能不能只靠 Wi-Fi，不用气压计？
回答 5：Wi-Fi 指纹判楼层在封闭区域可以只靠 Wi-Fi，但在挑空区、电梯厅、层高相近的楼层，单靠 Wi-Fi 容易跳层。实测中纯 Wi-Fi 在挑空区平均 95.3%、单层 89.3%，融合气压与轨迹后才到 99.2%。如果预算有限，至少要在挑空区加气压或信标兜底。
参考资料
[2026-11-09]（Wi-Fi 定位只能到 5~10 米？RTT 和 CSI 让 Wi-Fi 开始回答 “第几层”—— 从指纹匹配到物理测距的路线换代）阿里云开发者社区
[2026-11-02]（人员定位系统技术分享：Wi-Fi 指纹如何在楼层里分清 “三层还是四层”—— 指纹库构建、在线匹配与跨层判别的工程实现）腾讯云开发者社区
[2026-04-10]（Location Deployment Guidelines）Cisco Meraki Documentation
[2026-02-01]（Graph-Based Floor Separation Using Node Embeddings and Clustering of Wi-Fi Trajectories（v3））arXiv
[2024-10-07]（Enabling Technologies and Techniques for Floor Identification）ACM Computing Surveys
[2020-05-09]（Accurate and Robust Floor Positioning in Complex Indoor Environments）Sensors（MDPI）
[2014-10-02]（MSE — 情景感知移动解决方案部署指南）Cisco
免责声明
本文基于公开论文、厂商部署文档与工程实践文章整理，仅用于技术原理与工程方法讨论，不构成任何产品选型、报价或投资建议。文中准确率均来自各自实验环境，楼层数、面积、AP 密度、终端型号与采集时间不同，结果不可直接横向比较；工程阈值与判据为经验性建议，需以现场勘测与实测为准。据此部署或选型，风险自担。