《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》

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。