基于特征的广义高斯分布方法用于超宽带室内定位系统中的非视距检测
信号处理
2023-04-24 v1 机器学习
摘要
非视距(NLoS)传播条件是影响超宽带(UWB)室内定位系统(IPS)定位精度的关键因素。众多有监督机器学习(ML)方法已被应用于NLoS识别以提高IPS的精度。然而,当数据库中含有少量NLoS信号和大量视距(LoS)信号时,现有ML方法难以保持较高的分类精度。由这少量NLoS信号引起的目标节点定位不准确仍然是个问题。为解决此问题,我们提出了基于特征的高斯分布(GD)和广义高斯分布(GGD)的NLoS检测算法。通过对不平衡数据集采用我们的检测算法,可分别达到和的分类精度。我们还将所提算法与现有的前沿方法如支持向量机(SVM)、决策树(DT)、朴素贝叶斯(NB)和神经网络(NN)进行了比较,它们分别能达到、、和的精度。结果表明,GGD算法在不平衡数据集上能获得较高的分类精度。最后,所提算法在不同LoS与NLoS信号比例下也能达到更高的分类精度,证明了该方法的鲁棒性与有效性。
引用
@article{arxiv.2304.11091,
title = {Feature-Based Generalized Gaussian Distribution Method for NLoS Detection in Ultra-Wideband (UWB) Indoor Positioning System},
author = {Fuhu Che and Qasim Zeeshan Ahmed and Jaron Fontaine and Ben Van Herbruggen and Adnan Shahid and Eli De Poorter and Pavlos I. Lazaridis},
journal= {arXiv preprint arXiv:2304.11091},
year = {2023}
}