小程序
传感搜
传感圈
井下动态环境基于ＤＡＥ的ＸＧＢｏｏｓｔ自适应定位算法研究
洪金祥，崔丽珍，窦占树
内蒙古科技大学
2024-10-09
针对煤矿井下高动态环境导致ＷｉＦｉ定位模型的精度降低的问题，提出极端梯度提升（ＸＧＢｏｏｓｔ）的指纹定位算法，利用其高维数据特征的学习能力完成定位。与传统的梯度提升树（ＧＢＤＴ）算法相比，在完成更好定位效果的同时，速度也大大提升。同时针对ＷｉＦｉ数据的波动性和ＸＧＢｏｏｓｔ算法面对动态环境模型漂移问题，分别提出融合降噪自编码器（ＤＡＥ）和自适应机制的ＤＸＧＢｏｏｓｔ算法和ＺＸＧＢｏｏｓｔ算法。 实验结果表明：ＸＧＢｏｏｓｔ算法的定位精度比ＧＢＤＴ算法提高了，效率提高了５ 倍多。融合ＤＡＥ的ＤＸＧＢｏｏｓｔ算法的定位准确率比ＸＧＢｏｏｓｔ算法提高了１７ ％ ；融合了自适应机制的ＺＸＧＢｏｏｓｔ算法有效降低了模型漂移造成的误差。所提改进算法更好地改善了ＷｉＦｉ定位模型精度降低和模型漂移问题。
  • 动态环境
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录

  • 引言

  • 1、极端梯度提升

  • 2、ＤＸＧＢｏｏｓｔ算法

  • 3、ＺＸＧＢｏｏｓｔ算法

  • 4、实验方案与结果

    • 4.1 实验１降低信号波动性实验

    • 4.2 实验２自适应降低模型漂移实验

  • 5、结论

核心点推荐
  • 极端梯度提升；井下指纹定位；模型漂移；降噪自编码器；误差补偿