基于無(wú)線傳感器網(wǎng)絡(luò)的車(chē)輛定位技術(shù)研究-資料下載頁(yè)
2025-06-23 00:51本頁(yè)面
【正文】 （13）狀態(tài)估計(jì) (14) 其中mk是觀測(cè)噪聲的均值。濾波增益矩陣 (15)一步預(yù)測(cè)誤差方差陣 (16)估計(jì)誤差方差(17)觀測(cè)噪聲非零均值時(shí)的濾波過(guò)程和基本濾波過(guò)程沒(méi)有本質(zhì)的變化，只是引入了一個(gè)非隨機(jī)變量mk，與其相應(yīng)的濾波結(jié)構(gòu)沒(méi)有改變。本小節(jié)將介紹兩種車(chē)輛運(yùn)動(dòng)模型，加速度模型和速度模型。（1）加速度模型假定車(chē)輛近似勻加速運(yùn)動(dòng)，設(shè)任意時(shí)刻車(chē)輛的位置是s，速度是v，加速度是a，j是加加速度（j假定為零均值的高斯白噪聲），根據(jù)牛頓運(yùn)動(dòng)定律可以得知前后兩時(shí)刻的位置、速度、加速度存在如下關(guān)系：取狀態(tài)向量空間為，s表示位置，v表示速度，表示加速度；于是得到加速度模型的狀態(tài)向量一步轉(zhuǎn)移矩陣和系統(tǒng)噪聲驅(qū)動(dòng)矩陣，進(jìn)而可得加速度模型的狀態(tài)方程。對(duì)于加速度模型，當(dāng)濾波達(dá)到穩(wěn)定時(shí)，增益相應(yīng)地穩(wěn)定于三個(gè)參數(shù)，故習(xí)慣上也稱(chēng)此種濾波是濾波。（2） 速度模型假定車(chē)輛近似勻速運(yùn)動(dòng)，設(shè)任意時(shí)刻車(chē)輛的位置是s，速度是v，j是加速度（j假定為零均值的高斯分布），根據(jù)牛頓運(yùn)動(dòng)定律可以得知前后兩時(shí)刻的位置、速度存在如下關(guān)系：，其中t是兩個(gè)時(shí)刻的過(guò)渡時(shí)間；狀態(tài)向量空間為，s表示位置，v表示速度，于是得到狀態(tài)向量一步轉(zhuǎn)移矩陣和系統(tǒng)噪聲驅(qū)動(dòng)矩陣，進(jìn)而可得速度模型的狀態(tài)方程。 模型轉(zhuǎn)換過(guò)程及判斷依據(jù) 如果在整個(gè)定位過(guò)程中適時(shí)地轉(zhuǎn)換加速度模型和速度模型，符合車(chē)輛的實(shí)際運(yùn)動(dòng)狀態(tài)，能夠減小定位誤差。另外，因?yàn)镵alman濾波是一個(gè)漸進(jìn)穩(wěn)定的過(guò)程，所以，如果在需要某一模型時(shí)才啟動(dòng)該模型進(jìn)行濾波的話，會(huì)因?yàn)槟Ｐ蛦?dòng)不及時(shí)而不能獲得較好的定位效果。通過(guò)使用兩個(gè)加速度模型分段調(diào)用機(jī)制，并在重新啟動(dòng)一個(gè)加速度模型時(shí)對(duì)其進(jìn)行初始化處理等措施來(lái)減少舊數(shù)據(jù)對(duì)現(xiàn)在時(shí)刻的影響，加大新觀測(cè)數(shù)據(jù)的作用，進(jìn)而減小車(chē)輛定位誤差，提高定位精度。在車(chē)輛運(yùn)動(dòng)的整個(gè)過(guò)程中，速度模型一直處于濾波狀態(tài)；加速度模型1和加速度模型2處于時(shí)間間隔一定的間斷性濾波狀態(tài)，但兩個(gè)加速度模型仍可以覆蓋車(chē)輛運(yùn)動(dòng)的整個(gè)過(guò)程。三個(gè)車(chē)輛運(yùn)動(dòng)模型都在指定的時(shí)間內(nèi)工作，但是調(diào)用哪一個(gè)濾波值是由車(chē)輛加速判斷機(jī)制和加速度模型濾波的穩(wěn)定狀態(tài)決定的。通過(guò)比較最小二乘算法定位誤差和速度模型Kalman濾波定位誤差兩者大小的方法來(lái)判斷速度模型是否引起了較大的濾波誤差，進(jìn)而判斷車(chē)輛運(yùn)動(dòng)中是否有加速過(guò)程。如果速度模型最終的濾波效果明顯低于單純的最小二乘算法的效果，即速度模型濾波后的定位誤差明顯大于單純的最小二乘算法定位誤差，那么就認(rèn)為車(chē)輛運(yùn)動(dòng)中出現(xiàn)了加速過(guò)程。設(shè)kalmanv是速度模型濾波后車(chē)輛位置估計(jì)，measure是最小二乘算法車(chē)輛位置估計(jì)，errorx是最小二乘算法位置估計(jì)誤差的先驗(yàn)標(biāo)準(zhǔn)差，q是一經(jīng)驗(yàn)值，則可得如下車(chē)輛加速判定公式：abs(kalmanvmeasure)errorx+q（文中q=） (18)（1）定位算法穩(wěn)定性分析及誤差分析對(duì)于定常系統(tǒng)，Kalman濾波的穩(wěn)定性可以通過(guò)可控性矩陣和可觀測(cè)性矩陣的正定性來(lái)判斷?？煽匦跃仃嚭涂捎^測(cè)性矩陣的各階順序主子式都大于零。加速度模型一致漸進(jìn)穩(wěn)定，當(dāng)濾波時(shí)間充分長(zhǎng)后，它的Kalman最優(yōu)濾波值將漸進(jìn)地不依賴(lài)于濾波的初始值。本文所用基于自動(dòng)模型轉(zhuǎn)換的車(chē)輛定位算法在整個(gè)車(chē)輛定位過(guò)程中是一致漸進(jìn)穩(wěn)定的。隨著時(shí)間的推進(jìn)，濾波估計(jì)出來(lái)的位置,速度，加速度等值都逐漸不依賴(lài)于初始值和。（2） Kalman濾波器結(jié)構(gòu)圖及算法方框圖 隨機(jī)線性離散系統(tǒng)Kalman濾波器結(jié)構(gòu)圖 Kalman濾波算法方框圖在一個(gè)Kalman濾波周期內(nèi)，Kalman濾波具有兩個(gè)明顯的信息更新過(guò)程，這兩個(gè)信息更新過(guò)程分別對(duì)應(yīng)系統(tǒng)信息的更新和觀測(cè)信息的更新，亦即是時(shí)間更新過(guò)程和觀測(cè)更新過(guò)程。與此同時(shí)存在兩個(gè)明顯的計(jì)算回路，一個(gè)是濾波計(jì)算回路，一個(gè)是增益計(jì)算回路。這樣，Kalman濾波可以在不斷的更新過(guò)程中遞推前進(jìn)，完成整個(gè)濾波過(guò)程。（3） 基于GramSchmidt正交變換的平方根濾波過(guò)程 平方根Kalman濾波算法方框圖（4）自動(dòng)模型轉(zhuǎn)換定位算法流程圖 自動(dòng)模型轉(zhuǎn)換定位算法流程圖（5）自動(dòng)模型轉(zhuǎn)換算法性能分析1）自動(dòng)模型轉(zhuǎn)換定位算法是最小二乘算法和Kalman濾波算法的結(jié)合，若要進(jìn)一步提高車(chē)輛定位精度，需要在最小二乘算法和Kalman濾波算法這兩者之間進(jìn)行綜合考慮。2）Kalman濾波階段，濾波是不斷地以“預(yù)測(cè)—修正”的遞推方式進(jìn)行計(jì)算，首先對(duì)車(chē)輛的運(yùn)動(dòng)軌跡進(jìn)行預(yù)測(cè)，然后根據(jù)觀測(cè)得到的新信息(最小二乘算法的定位結(jié)果)和Kalman增益對(duì)預(yù)測(cè)值進(jìn)行修正，完成整個(gè)濾波過(guò)程。3）定位精度與濾波頻率有直接關(guān)系。濾波頻率越高，時(shí)間間隔t越小，車(chē)輛運(yùn)動(dòng)模型就越接近于車(chē)輛的實(shí)際運(yùn)動(dòng)狀態(tài)，因此提高濾波頻率能夠提高定位精度。4）本定位算法以最小二乘算法為基礎(chǔ)，而最小二乘算法與所設(shè)置基站拓?fù)浣Y(jié)構(gòu)密切相關(guān)，所以在實(shí)際應(yīng)用中需要合理選定基站的拓?fù)浣Y(jié)構(gòu)，且需根據(jù)車(chē)輛的實(shí)際位置對(duì)所用定位基站進(jìn)行實(shí)時(shí)切換以達(dá)到較高的定位精度。5）雖然定位系統(tǒng)穩(wěn)定可靠，但是仍存在一定的濾波誤差，所以可以利用電子地圖對(duì)定位結(jié)果做進(jìn)一步的修正。5 總結(jié)與展望針對(duì)兩種特殊的車(chē)輛交通，本文給出了基于無(wú)線傳感器網(wǎng)絡(luò)的公交車(chē)輛定位解決方案，雖然定位精度不是很高，但簡(jiǎn)單易行，成本低，可以推廣應(yīng)用，同時(shí)也對(duì)無(wú)線傳感器網(wǎng)絡(luò)在智能公交有一定的啟示作用；闡述了利用RFID 射頻技術(shù)基于無(wú)線傳感器網(wǎng)高速公路車(chē)輛定位方法。詳細(xì)說(shuō)明了基于無(wú)線傳感器網(wǎng)絡(luò)的Zigbee技術(shù)自動(dòng)模型轉(zhuǎn)換的車(chē)輛定位算法，該算法取得了較好的定位精度，是一種比較簡(jiǎn)單實(shí)用的車(chē)輛定位算法。除本文的方法外還有基于RSSI檢驗(yàn)的節(jié)點(diǎn)定位方法[7]，對(duì)Zigbee協(xié)議棧體系結(jié)構(gòu)，動(dòng)態(tài)選取所需定位基站的數(shù)目和定位基站的拓?fù)潢P(guān)系，無(wú)線傳感器節(jié)點(diǎn)布局優(yōu)化、交通信息采集問(wèn)題還有待于進(jìn)一步研究。參考文獻(xiàn)[1]于海斌,曾鵬等,智能無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)[M],科學(xué)出版社,2006，9295.[2]戴寧江,邱惠敏,無(wú)線傳感器網(wǎng)絡(luò)的安全問(wèn)題及對(duì)策[J],中國(guó)無(wú)線電,2006(10),4749.[3]于海斌,曾鵬等,智能無(wú)線傳感器網(wǎng)絡(luò)系統(tǒng)[M],科學(xué)出版社,2006，9295.[4][J].浙江職業(yè)技術(shù)學(xué)院 2009,28(1):7477.[5][D].南京：南京郵電大學(xué)，2011：[6][J].城市公共交通，2005，U461.[7][D].北京：北京交通大學(xué)，2009：[8][J].吉林工程技術(shù)師范學(xué)院學(xué)報(bào)，2012，28(1):7577.20
教學(xué)教案相關(guān)推薦
鄂ICP備17016276號(hào)-1