【摘 要】NLOS场景下UWB室内定位精度下降，识别出NLOS有助于进一步提升定位精度。针对超宽带定位中非视距识别的问题，提出基于XGBoost的NLOS识别方法。基于XGBoost决策树算法，采用两个层面的数据源对UWB定位中NLOS进行识别：元数据层面，用真实定位场景中采集的UWB CIR数据作为数据源；统计数据层面，将CIR数据经过一定的加工，得到几个关键的信号特征参数作为数据源。两组实验结果表明，XGBoost算法在元数据和统计数据上识别精确度分别达到91%和92%。UWB定位中XGBoost算法能显著提高识别NLOS信号的准确度。
【关键词】室内定位；超宽带；非视距；XGBoost
0 引言
超宽带（UWB, Ultra Wide Band）信号具有低功耗、高时间分辨率和高精度等优势，在室内定位中具有十分广阔的应用前景。
在基于UWB的室内定位系统中，非视距传播（NLOS, Non Line of Sight）环境对定位有着十分重要的影响。NLOS情形将直接导致信号产生衍射、散射、反射以及一些信号不规则损耗，使得定位信号发生不可知的变化，极大程度上影响最终定位精度[1]。因此，NLOS环境的识别一直是超宽带定位领域的一个重要方向。
NLOS环境识别的目的是判断信号收发之间是否存在障碍，从而缓解信号传播误差。NLOS识别方法主要有统计学方法、几何关系判决法和机器学习方法等[2]。
文献[3]中使用了一种残差检验法，可以确定和识别NLOS环境，算法使用TOA（Time Of Arrival）测距，