《表1 WiFi标定后定位精度差异》

  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

《一种BP神经网络的室内定位WiFi标定方法》

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

图4中的直线为最小二乘法拟合得到参考设备与用户设备的RSSI数据对的函数关系，图5的曲线为BP神经网络训练得到参考设备与用户设备的RSSI数据对的函数关系。为分析BP神经网络标定方法的有效性，进一步使用2种方法标定得到的RSSI数据对关系模型，对用户设备在线定位阶段实时RSSI数据进行校正，利用校正后的数据进行WiFi指纹定位实验。表1分别为使用最小二乘法线性和使用BP神经网络非线性标定后的定位精度。对比现有的线性标定方法和未标定的移动设备，定位精度分别提高了22.29%和39.72%。因此，相比最小二乘法线性标定方法而言，本文提出的使用BP神经网络的WiFi非线性标定方法能更准确地描述不同设备的RSSI数据对的函数关系，有效减小设备软硬件异构性导致的定位误差。