《表2 室内环境定位误差对比Tab.2 Comparison of positioning error in the indoor environment》

  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

《基于链路选择学习算法的无设备目标定位》

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

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%.