基于KNN和XGBoost的室内指纹定位算法

来源：电子测量技术杂志2023年第2期北京时间：

作者：卢海钊，彭慧豪，唐滔，王守峰，张烈平

单位：1.桂林理工大学机械与控制工程学院 桂林 541004; 2.桂林理工大学南宁分校电气与电子工程系 南宁 532100

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。

关键词：室内指纹定位;KNN;XGBoost;WiFi定位

基金资助：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