基于Hampel和XGBoost联合算法的变电站巡检人员室内定位方法研究

变电站内部结构复杂，人员走动频繁，无线信号在传播过程中受到干扰，导致用于巡检定位的数据质量差。针对该问题，文章提出一种基于Hampel和极度梯度提升树(eXtreme gradient boosting,XGBoost)联合算法的变电站巡检人员室内定位方法。首先，利用Hampel滤波剔除信号序列异常值，并采用自适应反距离加权插值法补偿信号序列，从而得到新的信号序列；然后，将新序列带入训练好的XGBoost回归模型，得到信号预测值；最后，利用预测值基于路径损耗模型得到人员坐标。将所提方法分别在模拟环境中进行验证。验证结果表明，所提方法在数据预处理阶段对质量差的数据有较好的处理效果，并且对比传统的极限树和多层感知机回归算法模型，在模拟的变电站室内机房中定位精度分别提高21.9%、32%，在模拟的大面积的变电站环境中定位精度显著提高。