考虑到室内环境的复杂性和多径效应对WiFi指纹定位性能的影响从Intel 5300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%。 相似文献
1