《電子技術(shù)應(yīng)用》
您所在的位置：首頁 > 通信與網(wǎng)絡(luò) > 設(shè)計(jì)應(yīng)用 > HF和波動(dòng)參數(shù)輔助的優(yōu)化XGBoost室內(nèi)定位方法
HF和波動(dòng)參數(shù)輔助的優(yōu)化XGBoost室內(nèi)定位方法
網(wǎng)絡(luò)安全與數(shù)據(jù)治理
劉高輝，凌鳳智
西安理工大學(xué)自動(dòng)化與信息工程學(xué)院
摘要： 針對(duì)復(fù)雜室內(nèi)環(huán)境下接收信號(hào)強(qiáng)度測(cè)量數(shù)據(jù)中包含噪聲使其呈現(xiàn)波動(dòng)性導(dǎo)致定位精度低的問題，提出一種基于混合濾波(HF)、波動(dòng)參數(shù)輔助的優(yōu)化極限梯度提升(XGBoost)室內(nèi)定位方法。首先采用HF的方法對(duì)數(shù)據(jù)子集進(jìn)行優(yōu)化，降低噪聲的影響，得到初始數(shù)據(jù)庫；另外，考慮到波動(dòng)不能完全消除，引入能夠反映數(shù)據(jù)變化程度的波動(dòng)參數(shù)；其次，針對(duì)XGBoost算法性能易受初始參數(shù)的影響，采用粒子群(PSO)算法對(duì)其進(jìn)行尋優(yōu)，并將波動(dòng)參數(shù)與優(yōu)化后的數(shù)據(jù)作為算法輸入訓(xùn)練生成定位模型；最后，將目標(biāo)點(diǎn)處信息輸入到模型中完成位置估計(jì)，同時(shí)將該點(diǎn)數(shù)據(jù)保存到數(shù)據(jù)庫中完成更新。實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)算法相比，所提算法具有良好的定位效果，在1 m、2 m和3 m范圍內(nèi)，定位準(zhǔn)確率分別提升9.2%、14.1%和18.45%。
中圖分類號(hào)：TN911文獻(xiàn)標(biāo)識(shí)碼：ADOI:10.19358/j.issn.2097-1788.2025.09.008
引用格式：劉高輝，凌鳳智. HF和波動(dòng)參數(shù)輔助的優(yōu)化XGBoost室內(nèi)定位方法［J］.網(wǎng)絡(luò)安全與數(shù)據(jù)治理，2025，44（9）：51-58，65.
Optimization of XGBoost indoor positioning method with HF and fluctuation parameter assistance
Liu Gaohui, Ling Fengzhi
School of Automation and Information Engineering, Xi′an University of Technology
Abstract： Aiming at the problem that the received signal strength measurement data in complex indoor environments contain noise which makes them show fluctuation and leads to low positioning accuracy, an optimized extreme gradient boosting (XGBoost) indoor positioning method based on hybrid filtering (HF) and fluctuation parameters assistance is proposed. Firstly, the HF method is used to optimize the data subset, reduce the influence of noise, and obtain the initial database; in addition, considering that the fluctuation can′t be completely eliminated, the fluctuation parameter that can reflect the degree of data change is introduced; secondly, for the performance of the XGBoost algorithm is susceptible to the influence of the initial parameter, the particle swarm (PSO) algorithm is used for optimization of the parameter, and the fluctuation parameter and optimized data are used as inputs to train the algorithm to generate the localization model; finally, the target point information is input into the model to complete the position estimation, and the point data is saved into the database to complete the update. The experimental results show that compared with the traditional algorithms, the algorithm in this paper has a good localization effect, and the localization accuracy is improved by 9.2%, 14.1%, and 18.45% in the range of 1 m, 2 m, and 3 m, respectively.
Key words : indoor positioning; hybrid filtering; fluctuation parameters; PSO algorithm; XGBoost

引言

隨著無線局域網(wǎng)、智能終端的普及與發(fā)展，基于位置信息的需求不斷增加。傳統(tǒng)全球定位系統(tǒng)(Global Positioning System, GPS)［1］和基站定位技術(shù)能夠滿足室外場(chǎng)景的定位需求，然而室內(nèi)環(huán)境復(fù)雜多變且信號(hào)弱，使得傳統(tǒng)技術(shù)在此環(huán)境下定位精度低，無法滿足人們對(duì)定位服務(wù)精度的需求［2］，因此室內(nèi)定位吸引了眾多學(xué)者的研究。

常見的室內(nèi)定位技術(shù)有多種，如超寬帶［3］、藍(lán)牙［4］、射頻識(shí)別和WiFi［5］等。因具有覆蓋面積廣、成本低等特點(diǎn)，WiFi設(shè)備已廣泛部署在超市、醫(yī)院、車站、教室等室內(nèi)場(chǎng)景且隨著移動(dòng)智能設(shè)備的普及提升了數(shù)據(jù)測(cè)量和采集效率，WiFi指紋定位已成為該領(lǐng)域的研究熱點(diǎn)［6］。

在當(dāng)前的研究中，WiFi指紋定位是最普遍的室內(nèi)定位方法。該方法利用接收信號(hào)強(qiáng)度與物理位置之間的某種映射關(guān)系進(jìn)行定位，它包括離線數(shù)據(jù)采集和在線匹配兩個(gè)階段［7］。此外，在復(fù)雜室內(nèi)環(huán)境如障礙物遮擋、多徑效應(yīng)、噪聲［8］等影響下，接收信號(hào)存在不穩(wěn)定性，導(dǎo)致采集的接收信號(hào)強(qiáng)度數(shù)據(jù)呈現(xiàn)波動(dòng)性，其中的異常數(shù)據(jù)容易導(dǎo)致模型性能不穩(wěn)定、精度低等問題，所以近年來相關(guān)算法被陸續(xù)提出?？柭鼮V波(Kalman Filter，KF)算法［9-10］在處理含有高斯噪聲的信號(hào)時(shí)性能較好，而粒子濾波(Particle Filter, PF)算法［11-12］可以濾除非高斯噪聲，單一濾波算法不能完全消除干擾。文獻(xiàn)［13］為優(yōu)化測(cè)量數(shù)據(jù)值，采用均值濾波、高斯濾波、KF等混合濾波(Hybrid Filtering, HF)算法對(duì)其進(jìn)行處理。文獻(xiàn)［14］提出一種雙濾波器集成算法,先利用KF獲得平滑約束指紋，然后采用擴(kuò)展卡爾曼濾波將處理后的指紋與運(yùn)動(dòng)傳感器相結(jié)合完成定位。此外，在有WiFi設(shè)備覆蓋的室內(nèi)場(chǎng)景中，定位區(qū)域內(nèi)采集的數(shù)據(jù)和特征越多，定位精度越高。文獻(xiàn)［15］將靜態(tài)環(huán)境下采集的原始數(shù)據(jù)和時(shí)頻域波動(dòng)參數(shù)共同作為輸入訓(xùn)練決策樹模型提升了定位精度，但在復(fù)雜動(dòng)態(tài)環(huán)境(噪聲、障礙物阻擋)下性能不理想，且未處理的異常數(shù)據(jù)會(huì)導(dǎo)致計(jì)算量增加。文獻(xiàn)［16］首先將接收的信號(hào)強(qiáng)度轉(zhuǎn)換成用于指紋定位的五個(gè)統(tǒng)計(jì)特征，然后利用聚類和行人航位推算算法結(jié)合完成目標(biāo)的定位，但該方法需要高精度傳感器從而增加了成本。隨著機(jī)器學(xué)習(xí)算法的不斷成熟，很多學(xué)者將機(jī)器學(xué)習(xí)算法與傳統(tǒng)定位方法相結(jié)合，把坐標(biāo)求解轉(zhuǎn)化為分類預(yù)測(cè)問題。文獻(xiàn)［17］提出改進(jìn)接入點(diǎn)(Access Point, AP)選擇策略并結(jié)合利用Bagging方法生成用于分類和匹配的模型來預(yù)測(cè)目標(biāo)的位置，該方法雖然提升了精度，但傳統(tǒng)Bagging方法構(gòu)建的決策樹模型容易產(chǎn)生過擬合且復(fù)雜度高的問題。文獻(xiàn)［18］設(shè)計(jì)新型的遷移學(xué)習(xí)網(wǎng)絡(luò)得到新的指紋庫，完成對(duì)待測(cè)點(diǎn)位置預(yù)測(cè)，提高了室內(nèi)定位的魯棒性。文獻(xiàn)［19］首先使用主成分分析對(duì)采集數(shù)據(jù)進(jìn)行降維，再利用核嶺回歸算法對(duì)目標(biāo)位置進(jìn)行預(yù)測(cè)，但在此過程中會(huì)產(chǎn)生冗余信息從而增加計(jì)算量并影響算法性能。

基于以上研究，本文提出一種基于混合濾波、波動(dòng)參數(shù)輔助的粒子群算法優(yōu)化XGBoost的室內(nèi)定位方法。該方法共分為兩個(gè)階段，在離線階段，混合濾波是指利用粒子-卡爾曼濾波算法對(duì)每個(gè)采樣點(diǎn)處數(shù)據(jù)優(yōu)化的過程，首先采用對(duì)非高斯噪聲效果較好的粒子濾波算法進(jìn)行處理，然后將其輸出作為卡爾曼濾波算法的輸入進(jìn)一步濾除高斯噪聲，以最后的輸出構(gòu)建初始數(shù)據(jù)庫；此外，計(jì)算可以體現(xiàn)數(shù)據(jù)細(xì)微波動(dòng)的波動(dòng)參數(shù)。其次，由于初始化參數(shù)的選取嚴(yán)重影響XGBoost的性能，采用粒子群算法(Particle Swarm Optimization，PSO)獲取最優(yōu)的參數(shù)提升XGBoost算法的預(yù)測(cè)精度，將波動(dòng)參數(shù)和處理后的數(shù)據(jù)輸入到算法中構(gòu)建定位模型。在線匹配階段，將目標(biāo)點(diǎn)的樣本經(jīng)過混合濾波后送入訓(xùn)練好的定位模型中預(yù)測(cè)目標(biāo)位置，同時(shí)將濾波后的待定位點(diǎn)的數(shù)據(jù)保存到初始數(shù)據(jù)庫中完成數(shù)據(jù)庫的更新。


本文詳細(xì)內(nèi)容請(qǐng)下載：

http://m.ihrv.cn/resource/share/2000006707


作者信息：

劉高輝，凌鳳智

(西安理工大學(xué)自動(dòng)化與信息工程學(xué)院，陜西西安710048)


subscribe.jpg

此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。