《表1 目标位置估计误差：时序测量信息触发的递归贝叶斯定位算法》

  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

《时序测量信息触发的递归贝叶斯定位算法》

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

m

基于已获取的指纹数据库和测试数据，分别采用传统的WKNN算法[2]、基于朴素贝叶斯的指纹定位算法（BY)[14-15]、卡尔滤波算法（KF)[7]和笔者提出的方法进行对比运算。实验中，对传统WKNN算法取K=8，朴素贝叶斯算法取K=8，R=3m，而卡尔曼滤波算法中参数设置与前两种方法一致，并取状态转换矩阵和状态转换噪声与文献[12]的一致。笔者提出的算法在前两次定位中选取K=8，R=3m，根据环境情况选取预测模型中速度方差σ2=0.04，角度调节因子=0.1。目标在测试场地行进一周，4种算法在不同测试位置的定位误差如图5所示，结合表1所示4种算法的位置估计误差值，笔者提出方法的最小估计误差为0.048m，最大估计误差为3.509m，从全程的平均误差来看，平均估计误差保持在1m以内，达到了0.927m，相比于朴素贝叶斯算法的平均误差，估计精度提升了53%，体现了笔者提出的算法良好的平滑性。