文献类型：期刊文章

作　　者：卢海钊[1] 彭慧豪[1] 唐滔[2] 王守峰[2] 张烈平[1]

Haizhao;Peng Huihao;Tang Tao;Wang Shoufeng;Zhang Lieping(School of Mechanical and Control Engineering,Guilin University of Technology,Guilin 541004,China;Department of Electrical and Electronic Engineering,Guilin University of Technology at Nanning,Nanning 532100,China)

机构地区：[1]桂林理工大学机械与控制工程学院,桂林541004 [2]桂林理工大学南宁分校电气与电子工程系,南宁532100

出　　处：《电子测量技术》

基　　金：国家自然科学基金(61741303);广西空间信息与则绘重点实验室基金(19-185-10-08)项目资助

年　　份：2023

卷　　号：46

期　　号：2

起止页码：81-86

语　　种：中文

收录情况：BDHX、BDHX2020、JST、RCCSE、ZGKJHX、核心刊

摘　　要：针对KNN算法定位精度有待提高以及定位稳定性较差的问题,本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集,将训练集中AP的RSSI数据作为特征,坐标作为标签,使用XGBoost算法进行建模。其次,融合KNN模型,将KNN算法寻找到的近邻集合引入XGBoost模型中,再结合单独XGBoost算法的预测结果,以实现坐标定位。最后,在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响,确定算法的相关参数。通过搭建的实际实验环境进行了测试,实验结果表明,本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快,具有较好的定位性能。

关 键 词：室内指纹定位  KNN XGBoost  WiFi定位  

分 类 号：TP181]