基于子区域切分与SSA-XGBoost的室内定位方法OA北大核心CSTPCD

在利用位置指纹进行实时室内定位时,由于多径效应、信号闭塞或无线AP本身不稳定,而影响最终的定位效果。对此,提出了一种基于子区域切分结合麻雀算法(Sparrow Search Algorithm,SSA)优化XGBoost的室内定位方法。离线训练阶段,利用改进的FCM(Fuzzy C-means)算法和区域相关系数指标将待定位区域划分为多个子域,通过AP优化为每个子域选择最优AP集合。针对XGBoost算法性能易受到初始参数问题影响,利用麻雀算法对XGBoost初始参数寻优得到相对较优的参数,并分别为各个子区域构建SSA-XGBoost定位模型。在线定位阶段,目标点通过匹配子区域的聚类中心得到所属子区域,最终利用该子区域的定位模型预测目标点的位置。与其他定位算法相比,所提算法平均误差分别减少14.7%、22.4%、37.1%,证明所提方法在实际环境中较其他算法具有更好的定位效果。