一种面向非视距信号和多径信号识别的迁移学习方法

本发明公开了一种面向非视距信号和多径信号识别的迁移学习方法，在超宽带(UWB)信号室内定位中，对非视距信号与多径信号识别模型进行结构扩展，以提高模型在不同场景下对视距信号(LOS)、非视距(NLOS)和多径信号(MP)识别的精度。利用迁移学习技术对随机森林的结构进行动态调整，旨在解决当前超宽带室内定位中存在的多径信号识别难度大、不同场景下对视距信号、非视距和多径信号识别精度不足问题。在保证定位精度的前提下，通过扩展随机森林模型的结构，增强了模型在新场景下的适应性，从而提高新场景下的信号识别准确度。本发明能显著提高模型在新场景下对分类的准确率，且步骤简单，所需目标数据集样本数较小，具有较强的实用性和推广价值。