基于無(wú)線傳感器網(wǎng)絡(luò)的車輛定位技術(shù)研究畢業(yè)論文-閱讀頁(yè)
2025-07-08 00:51本頁(yè)面
【正文】 圖3 動(dòng)態(tài)交通監(jiān)管系統(tǒng)結(jié)構(gòu)示意圖分控中心和高速公路車輛管理中心根據(jù)所獲取車載RFID 有源電子標(biāo)簽中的信息、地域編碼和車輛通過(guò)RFID 射頻集信基站的時(shí)間來(lái)形成車輛行駛記錄，并以數(shù)據(jù)庫(kù)的形式存檔。高速公路車輛管理中心是交通管理的通信、調(diào)度、監(jiān)控和協(xié)調(diào)指揮樞紐，可分級(jí)分區(qū)設(shè)置。控制中心之間可以相互交換數(shù)據(jù)，可實(shí)現(xiàn)交通車輛的跨區(qū)域管理、調(diào)度與協(xié)調(diào)。關(guān)鍵問題有四個(gè): 其一車輛檢測(cè)與信號(hào)強(qiáng)度檢測(cè)節(jié)點(diǎn)通過(guò)監(jiān)聽車載節(jié)點(diǎn)發(fā)送的數(shù)據(jù)包判斷車輛是否在自己檢測(cè)范圍內(nèi)，并測(cè)量接收信號(hào)強(qiáng)度，估算同目標(biāo)車輛之間的距離。 其三基站設(shè)計(jì)與信息處理，包括基站的硬件設(shè)計(jì)和數(shù)據(jù)處理方式。高速公路上要對(duì)車輛高速識(shí)別。這么短的時(shí)間內(nèi)，要能夠正確的讀取車內(nèi)的RFID 標(biāo)簽的數(shù)據(jù)，是需要解決的主要關(guān)鍵問題。RFID 電子標(biāo)簽的封裝形態(tài)通常要求識(shí)別率高、可靠性高、成本低、便于在車上安裝和拆卸、封裝中應(yīng)避免由于操作原因而產(chǎn)生無(wú)法識(shí)別的現(xiàn)象，同時(shí)還要便于攜帶以及與現(xiàn)有IC卡的有機(jī)合成等?；具^(guò)程分成三個(gè)基本步驟：第一步是基于TOA技術(shù)的測(cè)距。 最小二乘定位算法最小二乘算法[5]是最基本的一種基于距離的定位算法。最小二乘算法是基于自動(dòng)模型轉(zhuǎn)換的車輛定位算法的基礎(chǔ)，詳細(xì)分析該法的特點(diǎn)和計(jì)算過(guò)程如下。由于測(cè)距誤差的存在，方程組（1）或許沒有合理的解，因此可以求出在最小二乘算法意義上的最優(yōu)估計(jì)值，使上述方程組近似成立。如果從第二個(gè)式子開始，每個(gè)方程式分別減去第一個(gè)方程式，那么可得到關(guān)于x,y,z的如下線性方程組： （3）分別令， 則可以得到最小二乘法的目標(biāo)函數(shù)公式： （4）對(duì)x,y,z分別求偏導(dǎo)并令其為零，可以得到g取極小值時(shí)的關(guān)于x,y,z三元一次方程組：（5）整理得到如下方程組： （6）最后解方程組(6)得到P點(diǎn)坐標(biāo)和測(cè)距值中存在的偏差。最小二乘法求取車輛位置的過(guò)程如下結(jié)論：(1)同時(shí)參與定位的ZigBee基站的數(shù)量n越大，說(shuō)明在最小二乘法計(jì)算之前獲得的關(guān)于未知節(jié)點(diǎn)的信息越多，那么定位結(jié)果就會(huì)越準(zhǔn)確。(3)當(dāng)測(cè)距,越準(zhǔn)確時(shí)，越容易得出精確的定位結(jié)果；另外，基站本身位置坐標(biāo)的不準(zhǔn)確度可以等效為測(cè)距的不準(zhǔn)確度，會(huì)增加最小二乘定位算法的不確定性。如果單純依靠增加定位基站數(shù)量來(lái)提高定位精度的話，會(huì)增加Zigbee定位網(wǎng)絡(luò)中的通信流量。所以本文在使用最小二乘算法的基礎(chǔ)上引進(jìn)Kalman濾波，在定位的同時(shí)估計(jì)出車輛的速度和加速度，具有一定的現(xiàn)實(shí)意義。（2）Kalman濾波基本過(guò)程 狀態(tài)一步預(yù)測(cè) （8）狀態(tài)估計(jì) （9）濾波增益矩陣 （10）一步預(yù)測(cè)誤差方差陣 （11）估計(jì)誤差方差（12）由以上Kalman濾波過(guò)程可以看出：1）當(dāng)變大時(shí)，變小。這是因?yàn)樽冃∫馕吨鵂顟B(tài)向量空間轉(zhuǎn)移的準(zhǔn)確性增加，最終的估計(jì)對(duì)觀測(cè)值依賴性變小。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)沒有改變。（1）加速度模型假定車輛近似勻加速運(yùn)動(dòng)，設(shè)任意時(shí)刻車輛的位置是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。（2） 速度模型假定車輛近似勻速運(yùn)動(dòng)，設(shè)任意時(shí)刻車輛的位置是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。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。在車輛運(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輛運(yùn)動(dòng)的整個(gè)過(guò)程。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)而判斷車輛運(yùn)動(dòng)中是否有加速過(guò)程。設(shè)kalmanv是速度模型濾波后車輛位置估計(jì)，measure是最小二乘算法車輛位置估計(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。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)地不依賴于濾波的初始值。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于初始值和。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。（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。3）定位精度與濾波頻率有直接關(guān)系。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 總結(jié)與展望針對(duì)兩種特殊的車輛交通，本文給出了基于無(wú)線傳感器網(wǎng)絡(luò)的公交車輛定位解決方案，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)高速公路車輛定位方法。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、交通信息采集問題還有待于進(jìn)一步研究
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1