标题：基于QBC-LSTM的室内定位NLOS识别
作者：管京号 冯玉田
作者单位：上海大学通信与信息工程学院，上海 200444
关键字：UWB室内定位；LSTM；QBC；Kullback-Leibler散度；Jensen-Shannon散度
摘要：在室内定位中，基于深度学习算法的非视距环境识别需要采集大量的样本数据。针对这一问题，提出QBC-LSTM算法，该算法从采集到的总样本中随机选取少量样本训练出5个初始参数不同的委员（分类器）形成“委员会”，由委员会对其他样本进行“投票”（分类预测），再根据Kullback-Leibler散度和Jensen-Shannon散度计算各委员对同一个样本的分类差异度并排序，以此筛选出总样本中最具有学习价值的样本用于后续训练。实验结果表明，当总样本数为3000时，QBC-LSTM算法筛选出其中的400个用于后续训练，能达到83.5%的分类准确率。