基于改进随机森林算法的CSI系统多径分类方法研究

发布时间：2021-11-09 18:00

　　随着移动互联网技术的迅猛发展,人们对精确的位置信息有了迫切的需求,具有经济、方便、快捷和易部署等特点的Wi Fi室内定位技术在众多室内定位技术中脱颖而出,成为研究热点。定位精度是评价定位性能的根本指标,室内环境的复杂性和多变性使得定位精度常常受制于多址干扰、多径传播以及非视距（Non-line of sight,NLOS）传播等因素。能否依据接收端的叠加信号完成多径分类已经成为Wi Fi室内定位的核心问题之一。在基于Wi Fi的室内定位系统中,传统的多径分类方法通常选用接收信号强度指示（Received Signal Strength Indicator,RSSI）作为观测量,但RSSI在多径传播环境中容易产生剧烈波动,影响分类性能,同时,现有多径分类方法通常需要设定特征区分度阈值,但获取高精度且广泛适用的阈值较为困难。基于上述问题,本文选用信道状态信息（Channel State Information,CSI）作为观测量进而研究多径分类问题,重点包括:1.现有分类方法中通常采用典型统计特征（如均值、标准差等）的分布特性进行分类,但其精度仍有待提升。针对这一问题,本文通过分析无线信号... 

【文章来源】：天津工业大学天津市

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 基于WiFi定位的国内外研究现状
        1.2.2 多径分类的国内外研究现状
    1.3 主要研究内容和结构
        1.3.1 主要研究内容
        1.3.2 结构安排
第二章 CSI特征分析及典型分类算法基础
    2.1 CSI基本知识
    2.2 CSI与 RSSI对比
        2.2.1 RSSI的特点与缺点
        2.2.2 CSI的特点与优点
    2.3 典型分类算法介绍
        2.3.1 决策树算法
        2.3.2 朴素贝叶斯算法
        2.3.3 支持向量机SVM算法
    2.4 本章小结
第三章 基于CSI多径分类方法的特征提取
    3.1 算法结构框架
    3.2 CSI预处理策略
        3.2.1 异常值去除
        3.2.2 相位处理
    3.3 CSI特征提取
        3.3.1 典型统计特征
        3.3.2 典型统计特征的分类效果
        3.3.3 LOS因子
        3.3.4 基于Kmeans聚类算法的KLOS因子
    3.4 本章小结
第四章 基于改进随机森林算法的CSI系统多径分类方法设计
    4.1 Fisher准则的基本知识
    4.2 基于Fisher准则的特征筛选方法
    4.3 随机森林算法的基本原理
    4.4 基于C4.5算法的随机森林分类架构
    4.5 多径分类方法的性能指标
        4.5.1 分类性能指标
        4.5.2 随机森林泛化误差与袋外误差估计
    4.6 仿真性能分析
        4.6.1 仿真条件
        4.6.2 仿真性能分析
    4.7 本章总结
第五章 基于改进随机森林算法的CSI系统多径分类方法的实测性能分析
    5.1 实验设置
        5.1.1 数据采集
        5.1.2 训练数据设置
    5.2 实测性能分析
        5.2.1 不同复杂程度环境下算法的分类性能
        5.2.2 不同算法的分类性能
    5.3 本章小结
第六章 总结与展望
    6.1 工作总结
    6.2 工作展望
参考文献
发表论文及参加科研情况
致谢


【参考文献】：
期刊论文
[1]加权随机森林算法研究[J]. 杨飚,尚秀伟.  微型机与应用. 2016(03)

硕士论文
[1]基于改进SVM算法的大规模中文网站分类系统实现[D]. 张天澍.北京邮电大学 2019
[2]基于位置指纹的WIFI室内定位研究[D]. 王亚涛.南京邮电大学 2018
[3]随机森林自适应特征选择和参数优化算法研究[D]. 刘凯.长春工业大学 2018
[4]基于NLOS识别和误差消除的无线定位算法研究[D]. 邓锴.西南交通大学 2018
[5]基于多示例多标记支持向量机的网页分类技术研究[D]. 尤辉.浙江理工大学 2018
[6]基于CSI的室内WiFi定位技术研究[D]. 蔡雄.西安电子科技大学 2015



本文编号：3485814