《表1 使用Wi-Fi指纹数据库定位结果》
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
《基于深度学习的Wi-Fi与iBeacon融合的室内定位方法》
m
图6是分别在使用两种指纹数据库的情况下使用堆叠自动编码机结合softmax分类器、人工神经网络(Artificial Neural Network,ANN)、近邻算法和堆叠自动编码机结合近邻算法(分别对应图中SA-softmax、ANN、NN和SA-NN)的结果比较,图中虚线部分使用db1,实线部分使用db2。表1和表3是分别在db1和db2的情况,使用4种定位算法得出的定位结果。由图6可以看出在使用同一种定位算法时,指纹数据库中加入了iBeacon的RSS数据以后,异常值较纯Wi-Fi指纹数据库更少。并且在使用除了ANN的定位算法时,使用db2的最大异常值仅为使用db1的一半,有着显著提高。由表1和表3可以看出使用同种定位算法时,db2的平均定位误差较db1有着0.5~1 m的提高。另外,使用db1时,除本文提出的方法以外,均方根误差均在6 m以上。而使用db2时,除近邻算法以外,均方根误差均在5 m以内。且在使用同种定位方法时,均方根误差在使用db2时降低了1~3 m。因此,在指纹数据库中加入iBeacon数据可以在有效提高定位精度的同时,使定位效果更加稳定。
图表编号 | XD0035421800 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张熠 |
绘制单位 | 江南大学物联网工程学院、江南大学物联网技术应用教育部工程研究中心 |
更多格式 | 高清、无水印(增值服务) |