| 基于KNN和XGBoost的室内指纹定位算法 |
| |
| 引用本文： | 卢海钊,彭慧豪,唐滔,王守峰,张烈平.基于KNN和XGBoost的室内指纹定位算法[J].电子测量技术,2023,46(2):81-86. |
| |
| 作者姓名： | 卢海钊 彭慧豪 唐滔 王守峰 张烈平 |
| |
| 作者单位： | 1. 桂林理工大学机械与控制工程学院;2. 桂林理工大学南宁分校电气与电子工程系 |
| |
| 基金项目： | 国家自然科学基金(61741303)； |
| |
| 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 |
Indoor fingerprint localization algorithm based on KNN and XGBoost |
| |
| Lu Haizhao,Peng Huihao,Tang Tao,Wang Shoufeng,Zhang Lieping.Indoor fingerprint localization algorithm based on KNN and XGBoost[J].Electronic Measurement Technology,2023,46(2):81-86. |
| |
| Authors: | Lu Haizhao Peng Huihao Tang Tao Wang Shoufeng Zhang Lieping |
| |
| Affiliation: | 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 |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《电子测量技术》浏览原始摘要信息 |
|
点击此处可从《电子测量技术》下载全文 |
|
