《表1 3种算法测距误差比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于蓝牙技术融合混合滤波与神经网络的室内测距方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

测距误差数据见表1，可以看出在同一室内环境下（22 m范围内每隔55 cm的采样点），KNN算法测距的平均绝对误差最大，与真实值（测试集）的均方差较大，因此如果想要使用KNN，一定要保证数据量足够多且分布足够广；SVR测距的最小误差较小且平均误差不大，但均方误差不如神经网络法且复杂度较高；而本文提出的多隐藏层神经网络算法测距的平均绝对误差为0.13 m，是3种算法中误差最小的，并且均方误差（0.027 m2）比其他算法的小，测距精度更好。实测表明，该测距模型有明显提高短距离测距精度的优势。虽然RSSI值随着传输距离的增加变化表现得越不明显，但经过多次测试，在长距离情况下该模型仍略优于其他测距模型。后续工作中，可以尽量选取距离较近的锚节点来采样数据，以更好地提升测距精度的效果。