电讯技术

作者：李乾,刘卓伦,孙晓云,陈勇,宋士济,张醒龙

单位：(1.国网河北省电力有限公司石家庄供电分公司，石家庄 050004;2.石家庄铁道大学 电气与电子工程学院，石家庄 050043)

关键词：超宽带非视距识别；轻量级梯度提升机(LightGBM；交叉验证递归特征消除算法(RFECV；超参数优化；

基金：国网河北省电力有限公司项目(kj2021-024

针对超宽带非视距(Non-Line-of-Sight,NLOS识别中最优特征子集选取与模型参数优化问题，提出了一种基于轻量级梯度提升机(Light Gradient Boosting Machine,LightGBM的交叉验证递归特征消除算法与Optuna参数调优相结合的NLOS识别方法。首先通过递归特征消除加交叉验证算法分析选取首径信号与总信号接收功率差值、噪声最大值等6个重要特征作为最优特征子集，之后使用Optuna调参框架优化LightGBM模型超参数。采集视距与非视距特征数据，使用支持向量机、极限梯度提升算法和参数优化后的LightGBM等模型进行训练与测试，结果表明，所选取特征具有良好区分性，参数优化后的LightGBM模型识别准确率达95.28%。

来源：2025年第11期

《电讯技术》期刊编辑部

查看电讯技术杂志2025年第11期