基于梯度提升回归树的井下定位算法

摘要

为了提高井下定位系统的定位精度,提出了基于梯度提升回归树(gradient boost regression tree,GBRT)的井下定位算法.首先介绍了GBRT算法的实现过程,然后利用射线追踪算法模拟井下多径信号叠加后的接收信号强度(received signal strength,RSS)数据集,最后对比了GBRT、K最近邻(K-nearest neighbor,KNN)、随机森林(random forest,RF)、支持向量机(support vector machine,SVM)和神经网络多层感知器(multi-layer perceptron regressor,MLPR)算法的定位结果并对GBRT的定位结果进行5点平均滤波.实验结果表明,在100个点组成的行人轨迹定位中,GBRT算法的定位结果的均方误差为0.381 m,明显优于其他四种算法,平滑滤波后的定位轨迹更加贴合真实轨迹.所提算法可以有效提高定位精度,可以满足井下定位系统的精度要求.