《表1 室外环境定位误差对比Tab.1 Comparison of positioning error in the outdoor 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

图6给出了在单目标情况下，本文算法和算法A、算法B的定位误差累积概率分布图.由于划分的像素点的尺寸为0.9m，并且当目标位于某个像素点时，都默认为该目标在这个像素点的中心位置，因此，定位误差的累积分布函数图会呈现折线的形状.从图中可以看到，由于LSL与算法A最大定位误差较小，所以累积分布函数图呈现一种陡峭的上升趋势.而LSL相比于算法A其优势体现在，由于学习字典不仅纠正了传统权重矩阵的模型误差并且也过滤部分误差位置，从而使得绝大部分点都能够准确定位.定位误差的详细统计结果如表1所示，我们可以看到，本文所提的LSL算法在室外环境下，定位平均误差以及均方根误差上都有米级以上的提升.