基于随机森林融合一组指纹的室内定位

基于单一指纹的室内定位极易受环境变化、多径和非视距传播的影响，且构建单一指纹过程极为耗时。近期，我们首次提出了一组指纹的概念，以提高定位精度并减轻构建指纹的负担，但其主要缺陷在于时效性。本文提出一种基于随机森林融合一组指纹的新型定位框架。在离线阶段，首先通过对多天线接收信号进行不同变换来构建一组指纹；然后，通过训练该组指纹中的每个指纹，设计多个基于随机森林的一组指纹强分类器。在在线阶段，将实际测量值的相应变换输入这些强分类器，以获得多个独立决策。最后，提出一种滑动窗口辅助的基于众数的融合算法，以平衡定位精度与时间。我们所提方法在未知室内场景中表现更佳，构建指纹的负担也大幅降低。通过仿真和使用两个通用软件无线电外设平台的真实实验数据，验证了算法的性能。