中文摘要: 在利用位置指纹进行实时室内定位时，由于多径效应、信号闭塞或无线 AP 本身不稳定，而影响最终的定位效果。对此，提出了一种基于子区域切分结合麻雀算法(Sparrow Search Algorithm, SSA)优化 XGBoost 的室内定位方法。离线训练阶段，利用改进的 FCM(Fuzzy C-means)算法和区域相关系数指标将待定位区域划分为多个子域，通过 AP 优化为每个子域选择最优 AP 集合。针对 XGBoost 算法性能易受到初始参数问题影响，利用麻雀算法对 XGBoost 初始参数寻优得到相对较优的参数，并分别为各个子区域构建 SSA-XGBoost 定位模型。在线定位阶段，目标点通过匹配子区域的聚类中心得到所属子区域，最终利用该子区域的定位模型预测目标点的位置。与其他定位算法相比，所提算法平均误差分别减少 14.7%、22.4%、37.1%，证明所提方法在实际环境中较其他算法具有更好的定位效果。