《電子技術(shù)應(yīng)用》
您所在的位置:首頁 > 其他 > 設(shè)計應(yīng)用 > 車載網(wǎng)的新型定位算法
車載網(wǎng)的新型定位算法
來源:電子技術(shù)應(yīng)用2011年第8期
金 純1,2,, 何 山1, 王蜀毅3, 徐洪剛1,, 韓 剛4
1. 重慶郵電大學(xué) 通信與信息工程學(xué)院 移動通信重點實驗室,,重慶 400065; 2. 重慶金甌科技發(fā)展有限責任公司,重慶400041,; 3. 重慶工商大學(xué),重慶400067,; 4. 重慶有線電視網(wǎng)絡(luò)有限公司,,重慶400051
摘要: 針對目前車載定位實時性差等缺點,提出了一種單基站方位時差聯(lián)合定位算法,。該算法利用方位角和信號到達時間差建立車載定位跟蹤模型,,然后采用SUKF算法對車載定位跟蹤模型進行濾波。仿真結(jié)果表明,,SUKF濾波算法不但降低了運算量,,而且極大地提高了系統(tǒng)的實時性,可應(yīng)用于車載網(wǎng)的定位,。
中圖分類號: TN919.2
文獻標識碼: A
文章編號: 0258-7998(2011)08-113-04
A new localization algorithm for vehicle network
Jin Chun1,2, He Shan1, Wang Shuyi3,,Xu Honggang1,Han Gang4
1.Mobile Telecommunication Key Laboratory of College of Communication and Information Engineering, Chongqing University of Posts and Telecommunications,, Chongqing 400065, China,; 2.Chongqing Jinou Science & Technology Development Co.,Ltd,,Chongqing 400041, China,; 3.Chongqing Technology and Business University,Chongqing 400067, China,; 4.Chongqing CATV Network Co., Ltd ,,Chongqing 400051, China
Abstract: The real-time is poor in the vehicle Ad hoc network. In order to solve this problem, this paper proposes a kind of a single station positioning algorithm which combines azimuth angle and time of arrival. It uses them to set up vehicle location tracking model, and then utilizing SUKF filtering algorithm for it. Simulation results indicate that SUKF filtering algorithm not only reduces the computation but also greatly improve the real-time of the system.
Key words : vehicle network; sensor; simplified unscented Kalman filtering; location


 自從人們把解決交通擁塞和交通事故的目標轉(zhuǎn)向車載自組織網(wǎng)以來,車載網(wǎng)已成為國內(nèi)外研究的熱點課題,。對高速運動的車載來說,,車載網(wǎng)是否具有精確實時的定位能力,成為解決一切問題的基礎(chǔ),。Hohman等人利用GPS接收機設(shè)計了一個只有2 cm定位誤差的導(dǎo)航系統(tǒng)[1],,但他們并沒有考慮在一些不能使用GPS的區(qū)域,如隧道,。張傳斌等人則把UKF濾波方法應(yīng)用到車載導(dǎo)航中[2],,但UKF濾波方法計算量大,難以滿足高速公路上實時性要求很高的車載定位跟蹤系統(tǒng),。針對以上問題,,本文提出了一種計算量小且實時性較高的車載網(wǎng)定位跟蹤算法。
1 單基站車載定位跟蹤數(shù)學(xué)模型
1.1單基站方位時差聯(lián)合(BTO)定位

 在單基站車載定位跟蹤系統(tǒng)中,,發(fā)射基站用T表示,,接收基站用R表示,,只要接收站能收到信息就可以完成對車載的定位和跟蹤。如圖1所示,,發(fā)射站T和接收站R是固定設(shè)備,,它們裝載在路邊設(shè)施(RSU)上并且假設(shè)車載相對于路面是零高度行駛。RL是基線,,測量其與車載回波方位的夾角?茲R,,發(fā)射站T發(fā)射的信號經(jīng)過車載最后到達接收站同發(fā)射站T發(fā)射的信號直接到達接收站的時間差為?駐Tn,多普勒頻移為fd[3],。

    基線RL可通過測量工具獲得其精確值,接收基站上的傳感器只需測得車載回波方位角?茲R和發(fā)射基站直接到達基站的時間差?駐Tn就能對車載進行定位跟蹤,。
    發(fā)射基站與接收基站的距離RL、車載與發(fā)射基站的距離RT和車載與接收基站RR的關(guān)系為:
 

 


3 仿真
 為了考察SUKF算法的濾波性能,本次仿真對SUKF,、EKF,、UKF算法進行仿真比較。由于SUKF算法主要是簡化UKF算法,,因此本次仿真除了對仿真精度進行比較分析外,,還將對各種算法的改進率等進行統(tǒng)合比較分析。
    (1) 仿真模型設(shè)置
 根據(jù)車載網(wǎng)的要求,,沿道路每隔2 000 m設(shè)立一個基站,,負責收發(fā)車載信號。在車載無線局域網(wǎng)內(nèi),,若一個基站為發(fā)射基站,,則與該基站和車載都比較接近的基站為接收基站,車載在行駛時發(fā)射基站與接收基站是不斷交替變化的,。設(shè)初始發(fā)射基站位置為(2 000 m,0),;初始接收站位置為(0,,0),;車載初始位置為(0,2 000 m),;車載行駛速度vx=35 m/s,,vy=0 m/s;采樣時間間隔T=1 s,;系統(tǒng)測量噪聲向量為[wt=0.4 ?滋s,w?茲=0.002 rad];車載估計的初始值X0=[100,35,2 050,0]T,;協(xié)方差初始值P0=diag([22 500,100, 2 500,25]);進行勻速1 000次蒙特卡羅仿真,。
    (2) 仿真結(jié)果分析
 從圖2可以看出,,三種濾波算法估計車載位置,EKF算法的偏差最大,,UKF算法和SUKF算法的偏差明顯要小,。從圖3可以明顯看出EKF算法的均方差要大大高于UKF算法和SUKF算法,,UKF算法與SUKF算法的均方差幾乎相等,狀態(tài)穩(wěn)定后SUKF算法要比UKF算法的精度略高些,。由于三種算法的自適應(yīng)調(diào)節(jié)參數(shù)的作用,,它們的MSE曲線都在第15個采樣點附近出現(xiàn)了階躍拐點,可以認定這個過程為過渡時期,,越過過渡時期后,,EKF算法的MSE曲線逐漸進入收斂階段,而UKF和SUKF算法則以比較快的速度進入收斂階段,,并且在均方差穩(wěn)定后兩者的均方差要遠小于EKF算法的均方差,。


 圖4為x方向上的定位誤差比較圖,本仿真假設(shè)車載沿x方向行駛,。從該圖可以看出,,使用UKF算法定位,在穩(wěn)定后能將x方向上的定位誤差控制在7.5 m內(nèi),而使用SUKF算法定位,,在穩(wěn)定后能將x方向上的定位誤差控制在6 m內(nèi),。實際生活中,這種定位精度能有效避免連續(xù)追尾等交通事故,。

    表1是對三種方法的平均位置MSE和x方向MSE統(tǒng)計的比較,,UKF相對EKF分別提高了44.01%和47.44%,SUKF相對EKF分別提高了55.82%和67.35%,。表2分別給出了EKF,、UKF和SUKF在Matlab上仿真單次運算時間,可以看出,SUKF運算時間比UKF減少了近1/3,。所以在車載網(wǎng)的單站定位系統(tǒng)中,,使用SUKF能更好地滿足系統(tǒng)對精度和實時性的要求。

    由仿真實驗數(shù)據(jù)可知:UKF算法與經(jīng)典的EKF相比,,精度提高了1/2,;SUKF算法與UKF算法相比,前者在保證了定位精度的同時,,還減少了運算量,,使仿真時間減少了1/3,具有實際應(yīng)用價值,。
參考文獻
[1] HOHMAN D, MURDOCK T, WESTERFIELD E, et al. GPS roadside integrated precision positioning system[J]. IEEE. Position Location and Navigation Symposium,2000:221-230.
[2] 張傳斌,田蔚風,金志華.UKF濾波方法及其在車輛導(dǎo)航狀態(tài)估計中的應(yīng)用[J].系統(tǒng)仿真學(xué)報,2005,17(6):1456-1458.
[3] 徐世友,陳曾平.非線性濾波算法在無源雙基地雷達目標跟蹤中的比較研究[J].系統(tǒng)仿真學(xué)報,2008,20(1):128-131.
[4] 王杰貴,羅景青,阮懷林.針對幾種典型機動目標模型的狀態(tài)方程研究[J].航天電子對抗,2002(4):25-27.
[5] 師延山,李道本,,范躍祖.無線定位擴展卡爾曼濾波算法的優(yōu)化[J]. 北京航空航天大學(xué)學(xué)報, 2003,29(4):308-311.
[6] 占榮輝,郁春來,建偉.簡化UKF算法在單站無源目標跟 蹤中的應(yīng)用[J].現(xiàn)代雷達.2007,29(2):42-46.
[7] JULIER S, UHLMANN J, Durrant-Whyte H F. A new  method for the nonlinear transformation of means and covariances in filters and estimators[J].IEEE. Automatic Control, IEEE Transactions on,2000,45(3):477-482.

此內(nèi)容為AET網(wǎng)站原創(chuàng),未經(jīng)授權(quán)禁止轉(zhuǎn)載,。