《表1 定位误差均值和标准差统计表/m》

  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

《面向三边测量定位的信标节点优选算法》

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

图7为采样点误差均值分布曲线图，图8为定位误差标准差分布曲线图，表1为不同算法所有采样点的误差均值和误差标准差统计表。从图7、图8可以看出，直接用RSSI排序选取信标解算存在较大的定位误差，采样点中最大的误差均值达到2 m，同时误差波动较大。随信标选取数的增加，定位误差呈增大的趋势，原因在于随参考信标的增加，引入错误参考信标的概率也随之增加。利用k NN优选一定程度上优化了定位效果，采样点的平均误差为1.228 m，但其误差波动仍较大，存在较大的误差点，这与实验场所信标的密集部署和信号串扰导致的中心位置偏移有关。通过LASBN算法优选参考信标对定位精度有较大的改善，所有采样点的平均误差为0.974m，误差波动也相对减小，即定位结果相对较稳定，具有较好的应用效果。而利用参考最佳信标组合直接筛选实时信标序列进行解算，各采样点的误差均值均在1 m以内，总平均误差为0.747m，标准差为0.210 m，具有很好的定位效果，表明若能准确地选出最佳的参考信标节点，则对定位效果有明显改善。本文优化算法的总误差均值为0.889 m，标准差为0.362 m，其效果较直接解算（前4个和前6个信标）和k NN有明显改善，优于LASBN算法，与参考最佳信标组合筛选得到的效果更接近，但仍具有较大波动。虽然本文算法是基于区域最佳参考信标组合优选实时信标序列，但信号的波动使对局部区域的确定存在偏差，导致优选的参考信标难以达到参考最佳的效果。