基于KP CA和改进GBRT的室内定位算法

• 作者: 张春华 房梽斅 李新春
• 来源期刊: 传感技术学报
• 学科: 工学
• 关键词: 无线局域网络 室内定位 信号强度 核主成分 梯度提升回归
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 无线传感器技术
• 页码范围: 430-437
• 页数: 8页
• 分类号: TP393.1
• 字数: 6223字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-1699.2019.03.019

摘要

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李新春	辽宁工程技术大学电子与信息工程学院	72	329	10.0	13.0
2	房梽斅	辽宁工程技术大学研究生学院	1	1	1.0	1.0
3	张春华		2	1	1.0	1.0