首页|基于KNN和XGBoost的室内指纹定位算法

基于KNN和XGBoost的室内指纹定位算法

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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.
Indoor fingerprint localization algorithm based on KNN and XGBoost

卢海钊、彭慧豪、唐滔、王守峰、张烈平

展开 >

桂林理工大学机械与控制工程学院 桂林541004

桂林理工大学南宁分校电气与电子工程系 南宁532100

室内指纹定位 KNN XGBoost WiFi定位

国家自然科学基金广西空间信息与则绘重点实验室基金

6174130319-185-10-08

2023

10.19651/j.cnki.emt.2210501

电子测量技术
北京无线电技术研究所

电子测量技术

CSTPCD北大核心
影响因子：1.166
ISSN：1002-7300
年,卷(期)：2023.46(2)
  • 14