基于CSI-XGBoost的高精度WiFi室内定位算法

被引：13

作者：

张玄黎 ^{[1
]}

修春娣 ^{[1
]}

王延昭 ^{[1
]}

杨东凯 ^{[1
]}

机构：

[1] 北京航空航天大学电子信息工程学院

来源：

北京航空航天大学学报 | 2018年 / 12期

关键词：

室内定位; 信道状态信息(CSI); 指纹匹配; 极限梯度提升(XGBoost); 相位延拓;

D O I：

10.13700/j.bh.1001-5965.2018.0268

中图分类号：

TN92 [无线通信];

学科分类号：

080402 ; 080904 ; 0810 ; 081001 ;

摘要：

考虑到室内环境的复杂性和多径效应对Wi Fi指纹定位性能的影响从Intel5300无线网卡中提取信道状态信息(CSI),利用修正后的CSI幅值和相位信息作为指纹特征,使用极限梯度提升(XGBoost)算法构建高精度指纹库,实现分米级的高精度室内定位。进一步通过实测数据分析了采样间隔、室内视距(LOS)和非视距(NLOS)环境、缺失值和数据维度等因素对所提算法定位性能的影响。实际室内环境下的实验结果表明,本文算法受NLOS影响较小,对室内复杂环境有很强的鲁棒性;此外,该算法能够很好地处理高维稀疏数据,解决CSI指纹特征的"误匹配"问题,且对缺失数据不敏感,定位准确度优于90%。

引用

页码：2536 / 2544

页数：9

共 7 条

[1] 基于感知概率的室内定位算法
邹坤
修春娣
杨东凯
[J]. 全球定位系统, 2013, 38 (06) : 7 - 11
[2] CSI-MIMO: An efficient Wi-Fi fingerprinting using Channel State Information with MIMO[J] . Yogita Chapre,Aleksandar Ignjatovic,Aruna Seneviratne,Sanjay Jha.Pervasive and Mobile Computing . 2015
[3] From RSSI to CSI[J] . Zheng Yang,Zimu Zhou,Yunhao Liu.ACM Computing Surveys (CSUR) . 2013 (2)
[4] Predictable 802.11 packet delivery from wireless channel measurements[J] . Daniel Halperin,Wenjun Hu,Anmol Sheth,David Wetherall.ACM SIGCOMM Computer Communication Review . 2010 (4)
[5] 11 with multiple antennas for dummies[J] . Daniel Halperin,Wenjun Hu,Anmol Sheth,David Wetherall.ACM SIGCOMM Computer Communication Review . 2010 (1)
[6] CSI-based indoor localization .2 WU Kaishun,XIAO Jiang,YI Youwen,et al. IEEE Transactions on Parallel and Distributed Systems . 2013
[7] RADAR: An in-building RF-based user location and tracking system .2 Bahl P,Padmanabhan V N. Proc of the 19th Annual Joint Conference of the IEEE Computer and Communications Societies . 2000

← 1 →