基于KPCA和改进GBRT的室内定位算法

作者：李新春; 房梽斅; 张春华

来源：传感技术学报, 2019, 32(03): 430-437.

• 无线局域网络
• 室内定位
• 信号强度
• 核主成分
• 梯度提升回归

针对无线局域网络易受室内环境等因素影响,导致室内定位误差较大的问题,提出了一种基于KPCA(Kernel Principal Component Analysis)和改进GBRT(Gradient Boosting Regression Tree)的室内定位算法。离线训练阶段,通过KPCA算法,利用其核函数提取原始位置指纹向量主成分,最大限度地保留其非线性特征信息,并通过改进GBRT算法,利用其自助抽样法将训练集均匀抽样为多个子训练集,每一子训练集依据GBRT算法构建一个室内定位回归模型,最终根据多个子训练集构成强回归模型;在线阶段,对实时测量的信号强度进行KPCA变换,并根据离线回归模型计算结果的众数预测实时位置。实验结果表明,平均定位误差可低至1.16m,与SMN-PCA和RVM-PLS算法相比,定位准确率分别提高了12.8%和10.1%。

• 单位
  中国联合网络通信集团有限公司; 辽宁工程技术大学