《表1 计算时间及定位误差》

  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

《基于粒子滤波和交互多模型的移动定位方法》

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

最后，将方法1与方法2在计算复杂度方面进行比较.计算复杂度主要取决于算法中乘法的数量，本文方法状态变量x（k）是（L+2M-2）×1维向量.IMMPF算法的复杂度主要体现在粒子滤波中矩阵运算部分，方法2在一次迭代中计算状态方程复杂度为O（L2Np），而方法1的计算复杂度变化体现在计算状态方程，有O（ （L+2M-2）2Np） .可以看出两种算法的计算复杂度与状态向量维度、观测基站数量以及粒子数量有关.仿真实验中，使用的计算机配置64位i5处理器以及4GB内存，进行50次独立实验，表1给出基站数量和粒子数量对平均一次循环计算时间及定位精度的影响，可以看出，随着粒子数量的增加，两种算法计算时间基本服从线性增加的规律，但定位精度改善并不显著，方法1相比方法2在计算时间相当的情况下，能够达到更高的定位精度.而随着基站数量的增加，方法1计算时间增加、定位误差降低，特别地，9基站与5基站情况相比，计算时间增加了76%、定位误差降低了42%.而方法2定位性能改善不显著.文章前面介绍过仿真实验数据采集时间间隔是1s，从表中不能看出本文算法具备实时定位的能力，在较低粒子数情况下根据实际情况配置一定数量的基站是能够达到快速、精确跟踪的效果，这对于移动目标定位来说具有重要的意义.