基于XGBoost预测及弹性网误差补偿的室内定位算法

• 作者: 康晓非 曾璇 乔威
• 来源期刊: 系统仿真学报
• 学科: 工学
• 关键词: 室内定位 WiFi指纹 极限梯度提升 弹性网 误差补偿
• 年，卷（期）: 2022,（4）
• 所属期刊栏目: 仿真建模理论与方法|Modeling Theory and Methodology
• 页码范围: 719-726
• 页数: 8页
• 分类号: TP391|TN92
• 语种: 中文
• DOI: 10.16182/j.issn1004731x.joss.20-0866

摘要

为解决室内定位系统中因环境动态变化而导致定位精度下降的问题,提出一种基于XG-Boost并融合弹性网的误差补偿算法.采用XGBoost定位模型对目标位置进行初步预测,当室内环境改变后,再采用弹性网算法构建误差补偿模型,修正XGBoost定位模型的定位误差,并与基于K近邻、支持向量机、随机森林、梯度提升决策树等定位算法做对比.实验结果表明:在更新15％指纹数据库样本的情况下,该算法在80％分位处的定位精度控制在0.73 m以内,明显优于其他定位算法,且较基于XGBoost的定位算法精度提高了 25.5％.