《表2 室内环境定位误差对比Tab.2 Comparison of positioning error in the indoor environment》
从图9我们可以得出和室外环境一致的结论:本文所提的LSL算法,能够有效修正原传统权重字典的模型误差,并且能够过滤部分误差位置,因此对于大部分目标位置都能够实现较准确的定位.现给出在室内情况,目标位于各个位置,多次实验的统计结果(其中每个位置我们都进行了110次实验):图10为在单目标情况下,本文算法和已有算法的定位误差累积概率分布.本文算法,无论是能准确定位到目标点的概率,还是最大定位误差,都优于其他算法.本文算法在定位精度上有较大幅度的提升.室内环境定位误差的详细统计结果,如表2所示,本文所提算法相比算法B在平均误差上提高了1.9m左右,相比算法A平均误差大致提高了0.5m;所提LSL算法的均方根误差也相比算法B、算法A,分别提高了29.7%和14.5%.
图表编号 | XD0014104700 严禁用于非法目的 |
---|---|
绘制时间 | 2018.10.01 |
作者 | 金杰、柯炜、陆俊、王彦力、唐万春 |
绘制单位 | 南京师范大学物理科学与技术学院、南京师范大学物理科学与技术学院、江苏省地理信息资源开发与利用协同创新中心、南京师范大学物理科学与技术学院、南京师范大学物理科学与技术学院、南京师范大学物理科学与技术学院、江苏省地理信息资源开发与利用协同创新中心 |
更多格式 | 高清、无水印(增值服务) |