基于融合集成学习的鲁棒近超声室内定位方法

来源：计算机研究与发展杂志2025年第2期北京时间：

作者：贾乃征,薛灿,杨骝,王智,

摘要：近年来随着经济的发展，室内定位系统的需求越来越迫切.传统的室内定位系统如WIFI定位和蓝牙定位面临着定位精度低、易受非视距（non-line-of-sight，NLOS）和噪声干扰等挑战.针对这些问题，提出了一种基于融合集成学习的近超声室内定位方法.首先，使用优化的增强互相关方法有效地抵消多径干扰.与传统基于峰值提取或固定阈值的方法相比，此法在混响环境中明显提升了测距的精度.然后，利用到达时间差（timedifferenceofarrival，TDOA）作为特征进行提取.最终，采用了融合集成学习模型，对设定好的训练集进行交叉融合训练，并输入特征，从而得到修正的定位结果.仿真和实验测试结果表明，所提出的方法可以在室内NLOS和噪声干扰的情况下克服较大误差实现精确定位，并且精度优于对比方法50%~90%.本文核心数据公布在https://github.com/ChirsJia/JSJYF上.

关键词：室内定位, 近超声定位, 信号处理, 机器学习, 到达时间差,