基于回归近邻成分分析和GBRT的室内定位方法

作者：王斌涛; 冷腾飞; **涵; 郑家骅

来源：传感器与微系统, 2023, 42(11): 66-69.

DOI：10.13873/J.1000-9787(2023)11-0066-04

• 室内定位
• 冗余噪声
• 近邻成分分析
• 位置指纹
• 渐进梯度回归树

WiFi指纹定位方法性能易受到室内无线信号波动的影响使得离线指纹存在冗余噪声而导致定位精度不足。对此，本文提出一种改进近邻成分分析(NCA)结合渐近梯度回归树(GBRT)室内定位方法。首先，构造连续可微的目标函数将离散优化问题转化为连续优化问题，并对离线指纹数据库进行特征提取去除冗余得到离线指纹的主要特征；然后，利用提取特征后的位置指纹数据和特征对应的坐标迭代构造多个CART TREE,利用每个CART TREE损失函数的负梯度值构造集成多个CART TREE得到GBRT定位模型；最后，利用待定位点位置指纹信号特征结合GBRT定位模型预测待定位点位置。实验结果表明：所提出算法相较于其他同类算法误差分别减少14.7%,22.4%,37.1%,能够有效提高定位精度。

• 单位
  上海工程技术大学