《表1 各算法定位性能比较》
在较为理想的环境A下,TSPC-LA算法将传统算法误差小于4 m概率提升了5%左右。在与离线阶段差异较大的环境B下,TSPC-LA算法将传统算法误差小于4 m概率提升了10%左右。由表1可以看出,在环境A下,TSPC-LA算法能够减小10%左右的平均误差。在环境B下,TSPC-LA算法能够减小18%左右的平均误差。由此分析可知,TSPC-LA算法在较为理想环境下能够提升传统算法定位精度,在与离线环境差异较大的情况下,TSPC-LA能够更为明显地提升传统算法的定位精度,达到理想环境下的定位精度标准。因为本文方法使用已有算法的定位结果作为初始位置,所以本文方法相较于KNN和Bayesian增加了3 s左右的时延。
图表编号 | XD0036253900 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.01 |
作者 | 张鑫、刘建航、商永涛、何雅、王升志、李世宝、陈海华 |
绘制单位 | 中国石油大学(华东)计算机与通信工程学院、中国石油大学(华东)计算机与通信工程学院、中海油田服务股份有限公司、中国石油大学(华东)计算机与通信工程学院、中国石油大学(华东)计算机与通信工程学院、中国石油大学(华东)计算机与通信工程学院、中国石油大学(华东)计算机与通信工程学院 |
更多格式 | 高清、无水印(增值服务) |