查看完整版本: 车载网的新型定位算法

admin 发表于 2015-4-27 22:55:43

车载网的新型定位算法

自从人们把解决交通拥塞和交通事故的目标转向车载自组织网以来,车载网已成为国内外研究的热点课题。对高速运动的车载来说,车载网是否具有精确实时的定位能力,成为解决一切问题的基础。Hohman等人利用GPS接收机设计了一个只有2 cm定位误差的导航系统,但他们并没有考虑在一些不能使用GPS的区域,如隧道。张传斌等人则把UKF滤波方法应用到车载导航中,但UKF滤波方法计算量大,难以满足高速公路上实时性要求很高的车载定位跟踪系统。针对以上问题,本文提出了一种计算量小且实时性较高的车载网定位跟踪算法。

1 单基站车载定位跟踪数学模型

1.1单基站方位时差联合(BTO)定位

在单基站车载定位跟踪系统中,发射基站用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对车载的定位和跟踪。如图1所示,发射站T和接收站R是固定设备,它们装载在路边设施(RSU)上并且假设车载相对于路面是零高度行驶。RL是基线,测量其与车载回波方位的夹角?兹R,发射站T发射的信号经过车载最后到达接收站同发射站T发射的信号直接到达接收站的时间差为?驻Tn,多普勒频移为fd。

基线RL可通过测量工具获得其精确值,接收基站上的传感器只需测得车载回波方位角?兹R和发射基站直接到达基站的时间差?驻Tn就能对车载进行定位跟踪。
发射基站与接收基站的距离RL、车载与发射基站的距离RT和车载与接收基站RR的关系为:


3 仿真

为了考察SUKF算法的滤波性能,本次仿真对SUKF、EKF、UKF算法进行仿真比较。由于SUKF算法主要是简化UKF算法,因此本次仿真除了对仿真精度进行比较分析外,还将对各种算法的改进率等进行统合比较分析。

(1) 仿真模型设置

根据车载网的要求,沿道路每隔2 000 m设立一个基站,负责收发车载信号。在车载无线局域网内,若一个基站为发射基站,则与该基站和车载都比较接近的基站为接收基站,车载在行驶时发射基站与接收基站是不断交替变化的。设初始发射基站位置为(2 000 m,0);初始接收站位置为(0,0);车载初始位置为(0,2 000 m);车载行驶速度vx=35 m/s,vy=0 m/s;采样时间间隔T=1 s;系统测量噪声向量为;车载估计的初始值X0=T;协方差初始值P0=diag();进行匀速1 000次蒙特卡罗仿真。

(2) 仿真结果分析

从图2可以看出,三种滤波算法估计车载位置,EKF算法的偏差最大,UKF算法和SUKF算法的偏差明显要小。从图3可以明显看出EKF算法的均方差要大大高于UKF算法和SUKF算法,UKF算法与SUKF算法的均方差几乎相等,状态稳定后SUKF算法要比UKF算法的精度略高些。由于三种算法的自适应调节参数的作用,它们的MSE曲线都在第15个采样点附近出现了阶跃拐点,可以认定这个过程为过渡时期,越过过渡时期后,EKF算法的MSE曲线逐渐进入收敛阶段,而UKF和SUKF算法则以比较快的速度进入收敛阶段,并且在均方差稳定后两者的均方差要远小于EKF算法的均方差。

图4为x方向上的定位误差比较图,本仿真假设车载沿x方向行驶。从该图可以看出,使用UKF算法定位,在稳定后能将x方向上的定位误差控制在7.5 m内,而使用SUKF算法定位,在稳定后能将x方向上的定位误差控制在6 m内。实际生活中,这种定位精度能有效避免连续追尾等交通事故。

表1是对三种方法的平均位置MSE和x方向MSE统计的比较,UKF相对EKF分别提高了44.01%和47.44%,SUKF相对EKF分别提高了55.82%和67.35%。表2分别给出了EKF、UKF和SUKF在Matlab上仿真单次运算时间,可以看出,SUKF运算时间比UKF减少了近1/3。所以在车载网的单站定位系统中,使用SUKF能更好地满足系统对精度和实时性的要求。

由仿真实验数据可知:UKF算法与经典的EKF相比,精度提高了1/2;SUKF算法与UKF算法相比,前者在保证了定位精度的同时,还减少了运算量,使仿真时间减少了1/3,具有实际应用价值。
页: [1]
查看完整版本: 车载网的新型定位算法