《表1 WiFi标定后定位精度差异》
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。
图表编号 | XD0028867400 严禁用于非法目的 |
---|---|
绘制时间 | 2019.03.20 |
作者 | 宋斌斌、余敏、何肖娜、薛峰、阮超 |
绘制单位 | 江西师范大学软件学院、江西师范大学计算机信息工程学院、江西师范大学软件学院、江西师范大学计算机信息工程学院、江西师范大学计算机信息工程学院 |
更多格式 | 高清、无水印(增值服务) |