基于梯度提升回归树的井下定位算法

作者：郭银景; 宋先奇; 杨蕾; 吕文红

来源：科学技术与工程, 2019, 19(08): 138-144.

• 梯度提升回归树
• 井下定位
• 接收信号强度
• 回归树

为了提高井下定位系统的定位精度,提出了基于梯度提升回归树(gradient boost regression tree,GBRT)的井下定位算法。首先介绍了GBRT算法的实现过程,然后利用射线追踪算法模拟井下多径信号叠加后的接收信号强度(received signal strength,RSS)数据集,最后对比了GBRT、K最近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和神经网络多层感知器(multi-layer perceptron regressor,MLPR)算法的定位结果并对GBRT的定位结果进行5点平均滤波。实验结果表明,在100个点组成的行人轨迹定位中,GBRT算法的定位结果的均方误差为0. 381 m,明显优于其他四种算法,平滑滤波后的定位轨迹更加贴合真实轨迹。所提算法可以有效提高定位精度,可以满足井下定位系统的精度要求。

• 单位
  山东科技大学; 物理学院