车载网的新型定位算法-AET-电子技术应用

车载网的新型定位算法

来源：电子技术应用2011年第8期

金纯1,2，何山1，王蜀毅3，徐洪刚1，韩刚4

1. 重庆邮电大学通信与信息工程学院移动通信重点实验室，重庆 400065； 2. 重庆金瓯科技发展有限责任公司，重庆400041； 3. 重庆工商大学，重庆400067； 4. 重庆有线电视网络有限公司，重庆400051

摘要： 针对目前车载定位实时性差等缺点，提出了一种单基站方位时差联合定位算法。该算法利用方位角和信号到达时间差建立车载定位跟踪模型，然后采用SUKF算法对车载定位跟踪模型进行滤波。仿真结果表明，SUKF滤波算法不但降低了运算量，而且极大地提高了系统的实时性，可应用于车载网的定位。

关键词： 车载网传感器 SUKF滤波定位

中图分类号： TN919.2
文献标识码： A
文章编号： 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[1]，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[2]，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[3]。

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[wt=0.4 ?滋s,w?兹=0.002 rad];车载估计的初始值X0=[100,35,2 050,0]T；协方差初始值P0=diag([22 500,100, 2 500,25])；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。
参考文献
[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] 张传斌,田蔚风,金志华.UKF滤波方法及其在车辆导航状态估计中的应用[J].系统仿真学报,2005,17(6):1456-1458.
[3] 徐世友,陈曾平.非线性滤波算法在无源双基地雷达目标跟踪中的比较研究[J].系统仿真学报,2008,20(1):128-131.
[4] 王杰贵,罗景青,阮怀林.针对几种典型机动目标模型的状态方程研究[J].航天电子对抗,2002(4):25-27.
[5] 师延山,李道本，范跃祖.无线定位扩展卡尔曼滤波算法的优化[J]. 北京航空航天大学学报, 2003,29(4):308-311.
[6] 占荣辉,郁春来,建伟.简化UKF算法在单站无源目标跟踪中的应用[J].现代雷达.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.

原创声明：此内容为AET网站原创，未经授权禁止转载。

相关内容