基于KNN和XGBoost的室内指纹定位算法

作     者：卢海钊 彭慧豪 唐滔 王守峰 张烈平 Haizhao;Peng Huihao;Tang Tao;Wang Shoufeng;Zhang Lieping

作者机构：桂林理工大学机械与控制工程学院桂林541004 桂林理工大学南宁分校电气与电子工程系南宁532100 

出 版 物：《电子测量技术》 (Electronic Measurement Technology)

年 卷 期：2023年第46卷第2期

页      面：81-86页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61741303) 广西空间信息与则绘重点实验室基金(19-185-10-08)项目资助 

主　　题：室内指纹定位 KNN XGBoost WiFi定位 

摘      要：针对KNN算法定位精度有待提高以及定位稳定性较差的问题,本文提出了一种基于KNN算法和XGBoost算法的室内指纹定位算法。该算法首先将样本集划分为训练集和测试集,将训练集中AP的RSSI数据作为特征,坐标作为标签,使用XGBoost算法进行建模。其次,融合KNN模型,将KNN算法寻找到的近邻集合引入XGBoost模型中,再结合单独XGBoost算法的预测结果,以实现坐标定位。最后,在实际环境下研究了算法的K值、回归树数量、决策树深度和学习率对误差的影响,确定算法的相关参数。通过搭建的实际实验环境进行了测试,实验结果表明,本文提出算法的平均定位误差为1.55 m,较于KNN算法和XGBoost算法分别减少了24.76%和11.93%,并且累积分布函数曲线的收敛速度更快,具有较好的定位性能。