用于 UWB 定位的细调属性加权朴素贝叶斯 NLoS 分类器
信号处理
2023-04-24 v1 机器学习
摘要
本文提出一种新颖的细调属性加权朴素贝叶斯（FT-WNB）分类器，用于室内定位系统（IPS）中超宽带（UWB）信号的视距（LoS）与非视距（NLoS）识别。FT-WNB 分类器为每个信号特征分配特定权重，并细调其概率，以解决预测类别与实际类别之间的不匹配。将 FT-WNB 分类器的性能与最先进的机器学习（ML）分类器进行比较，如最小冗余最大相关（mRMR）- 近邻（KNN）、支持向量机（SVM）、决策树（DT）、朴素贝叶斯（NB）和神经网络（NN）。结果表明，所提分类器优于其他算法，在不平衡数据下达到 99.7% 的高 NLoS 分类准确率，在平衡数据下达到 99.8%。实验结果表明，在所考虑场景中，我们提出的 FT-WNB 分类器显著优于现有的最先进 ML 方法用于 IPS 中的 LoS 与 NLoS 信号。
引用
@article{arxiv.2304.11067,
title = {Novel Fine-Tuned Attribute Weighted Na\"ive Bayes NLoS Classifier for UWB Positioning},
author = {Fuhu Che and Qasim Zeeshan Ahmed and Fahd Ahmed Khan and Faheem A. Khan},
journal= {arXiv preprint arXiv:2304.11067},
year = {2023}
}