基于无线测距的车联网盲区协同定位算法研究
发布时间：2021-03-29 08:30
车联网作为物联网中的佼佼者,正逐步走进人们的视野。车联网的蓬勃发展有利于实现智能交通、减少道路拥堵及交通事故。而定位问题是实现智能交通的重要一环。当前,世界各国普遍采用全球导航卫星系统来进行车辆定位。而在GNSS信号不可用的地区,基于无线测距的车路协同定位是实现车联网定位的有效方法之一。本文对于车联网盲区定位方法进行了一些有益的探索,研究了三种适用于不同情形的车联网盲区协同定位方法。首先,针对车载惯导定位误差随时间增大的问题,提出了基于路侧单元与无线测距的车联网相对定位方法。建立了车路协同定位数学模型,并利用非线性加权最小二乘算法对其进行解算。在以高速公路环境为背景的仿真实验中可以有效延缓惯导定位误差的发散速度。其次,在没有车载惯导时,设计了迭代扩展卡尔曼滤波算法,将系统的状态考虑进来,有效地改善了车辆跟踪的效果。再次,针对可能出现较大测距误差的复杂区域,如建筑物较多的城市街区,构建了基于加权最小二乘支持向量回归机的车联网协同定位算法,该算法在测距误差较大的二维和三维情形中都可以保持较好的定位效果。通过仿真分析,在干扰因素较小的简单情形下,非线性加权最小二乘法与迭代扩展卡尔曼滤波法具有...
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
三边测量法基本原理示意图
2车联网节点定位技术硕士学位论文8距离可以建立如式（2.1）所示的方程，该方程是在计算距离与测量距离之间的关系的基础上建立的。对方程进行解算就可以求出目标节点的坐标。图2.1三边测量法基本原理示意图221112222222333()()()()()()dddddddddxxyydxxyydxxyyd（2.1）1131323232222221313312222221323322()2()2()2()=ddddddxxxyyyxxyyxxyyddxxyydd（2.2）三边测量法是无线网络传感器定位中最基本的算法，也是车联网节点定位中最直接、最高效的测距方法[25]。（2）三角测量法三角测量的基本原理是将定位系统中的一些已知节点形成相互连接的三角形，根据未知节点到三角形的三个顶点的相对水平角度信息来进行定位[26]。如图2.2所示，锚节点构成的三角形为123AAA，D为未知节点，那么对于两个锚节点1A、2A还有未知节点D，当12AA在三角形中时，就可以得到一个圆心为121212O(x,y)、半径为12r的圆，利用未知节点的坐标与圆心、半径以及相对水平角度的关系可以得到方程（2.3）。同样地，2A和3A、3A和1A也可以确定对应的圆心与半径。最后，对方程组进行解算就可以利用三角测量法求出未知节点的坐标。图2.2三角测量法原理图
硕士学位论文基于无线测距的车联网盲区协同定位算法研究922121121122212212212222121212()()()()()()2(1cos)xxyyrxxyyrxxyyr（2.3）三角测量法也是目前常见的车联网节点定位方法之一。不过因为三角测量法定位过程中用到了三边测量法，所以会造成误差的累积。因此，在相同条件下，三角测量法的定位误差会比三边测量法要大。（3）极大似然估计法极大似然估计法的基本原理是通过n个信标节点到未知节点的距离和信标节点坐标之间形成的数学关系进行定位的[27]。如图2.3所示：图2.3极大似然估计法原理图假设11(x,y)、22(x,y)、33(x,y)、、(,)nnxy代表了n个信标节点的坐标。下一步需要知道每个信标节点到未知节点D的测量距离，根据测量距离与计算距离的关系可以成立节点定位线性方程组Axb，其中：11112()2()=2()2()nnnnnnxxyyAxxyy（2.4）222222111222222111nnnnnnnnnxxyyddbxxyydd（2.5）ddxxy（2.6）极大似然估计法的核心思想就是使节点定位误差的标准均方差达到最小，那么依此我们可以根据式（2.7）解算出待求节点D的坐标。1()xATAATb（2.7）2.2车联网节点定位技术分类目前，现有的条件对于车联网节点定位的实现存在诸多限制，如节点的功耗、体积、节点计算能力以及电源容量等。同时，所部署的区域也有一定的复杂性。因此，迄今为
【参考文献】：
期刊论文
[1]无线传感器网络分布式迭代定位误差控制算法[J]. 汪晗,成昂轩,王坤,宋树伟. 电子与信息学报. 2018(01)
[2]基于ToA技术与扩展卡尔曼滤波的室内无线定位算法设计[J]. 刘明佳,骆曦,刘志新. 舰船电子工程. 2017(11)
[3]人工蜂群优化神经网络的无线传感器节点定位算法[J]. 周子昂,徐坤,程全,刘玉春. 南京理工大学学报. 2017(04)
[4]车联网基站定位纠偏算法研究[J]. 王明儒,阮详兵. 电信工程技术与标准化. 2017(05)
[5]基于KDDA和SFLA-LSSVR算法的WLAN室内定位算法[J]. 张勇,李飞腾,王昱洁. 计算机研究与发展. 2017(05)
[6]能量分簇传感器网络距离误差校正MDS-MAP定位算法[J]. 田洪亮,钱志鸿,王义君,梁潇. 电子与信息学报. 2017(07)
[7]传感网中目标的移动式定位跟踪研究综述[J]. 彭臻,王田,王文华,王国军,赖永炫. 中南大学学报(自然科学版). 2017(03)
[8]基于遗传算法的加权最小二乘支持向量机GPS高程拟合法[J]. 李明飞,郇敏,秦川. 全球定位系统. 2016(06)
[9]联合TDOA改进算法和卡尔曼滤波的UWB室内定位研究[J]. 张桀,沈重. 现代电子技术. 2016(13)
[10]结合极大似然距离估计的MDS-MAP节点定位算法[J]. 李津蓉,王万良,介婧,姚信威. 传感技术学报. 2016(04)
硕士论文
[1]基于最小二乘和支持向量机的WSN节点定位方法研究[D]. 肖勇.江西理工大学 2011
本文编号：3107261
【文章来源】：南京理工大学江苏省 211工程院校
【文章页数】：75 页
【学位级别】：硕士
【部分图文】：
三边测量法基本原理示意图
2车联网节点定位技术硕士学位论文8距离可以建立如式（2.1）所示的方程，该方程是在计算距离与测量距离之间的关系的基础上建立的。对方程进行解算就可以求出目标节点的坐标。图2.1三边测量法基本原理示意图221112222222333()()()()()()dddddddddxxyydxxyydxxyyd（2.1）1131323232222221313312222221323322()2()2()2()=ddddddxxxyyyxxyyxxyyddxxyydd（2.2）三边测量法是无线网络传感器定位中最基本的算法，也是车联网节点定位中最直接、最高效的测距方法[25]。（2）三角测量法三角测量的基本原理是将定位系统中的一些已知节点形成相互连接的三角形，根据未知节点到三角形的三个顶点的相对水平角度信息来进行定位[26]。如图2.2所示，锚节点构成的三角形为123AAA，D为未知节点，那么对于两个锚节点1A、2A还有未知节点D，当12AA在三角形中时，就可以得到一个圆心为121212O(x,y)、半径为12r的圆，利用未知节点的坐标与圆心、半径以及相对水平角度的关系可以得到方程（2.3）。同样地，2A和3A、3A和1A也可以确定对应的圆心与半径。最后，对方程组进行解算就可以利用三角测量法求出未知节点的坐标。图2.2三角测量法原理图
硕士学位论文基于无线测距的车联网盲区协同定位算法研究922121121122212212212222121212()()()()()()2(1cos)xxyyrxxyyrxxyyr（2.3）三角测量法也是目前常见的车联网节点定位方法之一。不过因为三角测量法定位过程中用到了三边测量法，所以会造成误差的累积。因此，在相同条件下，三角测量法的定位误差会比三边测量法要大。（3）极大似然估计法极大似然估计法的基本原理是通过n个信标节点到未知节点的距离和信标节点坐标之间形成的数学关系进行定位的[27]。如图2.3所示：图2.3极大似然估计法原理图假设11(x,y)、22(x,y)、33(x,y)、、(,)nnxy代表了n个信标节点的坐标。下一步需要知道每个信标节点到未知节点D的测量距离，根据测量距离与计算距离的关系可以成立节点定位线性方程组Axb，其中：11112()2()=2()2()nnnnnnxxyyAxxyy（2.4）222222111222222111nnnnnnnnnxxyyddbxxyydd（2.5）ddxxy（2.6）极大似然估计法的核心思想就是使节点定位误差的标准均方差达到最小，那么依此我们可以根据式（2.7）解算出待求节点D的坐标。1()xATAATb（2.7）2.2车联网节点定位技术分类目前，现有的条件对于车联网节点定位的实现存在诸多限制，如节点的功耗、体积、节点计算能力以及电源容量等。同时，所部署的区域也有一定的复杂性。因此，迄今为
【参考文献】：
期刊论文
[1]无线传感器网络分布式迭代定位误差控制算法[J]. 汪晗,成昂轩,王坤,宋树伟. 电子与信息学报. 2018(01)
[2]基于ToA技术与扩展卡尔曼滤波的室内无线定位算法设计[J]. 刘明佳,骆曦,刘志新. 舰船电子工程. 2017(11)
[3]人工蜂群优化神经网络的无线传感器节点定位算法[J]. 周子昂,徐坤,程全,刘玉春. 南京理工大学学报. 2017(04)
[4]车联网基站定位纠偏算法研究[J]. 王明儒,阮详兵. 电信工程技术与标准化. 2017(05)
[5]基于KDDA和SFLA-LSSVR算法的WLAN室内定位算法[J]. 张勇,李飞腾,王昱洁. 计算机研究与发展. 2017(05)
[6]能量分簇传感器网络距离误差校正MDS-MAP定位算法[J]. 田洪亮,钱志鸿,王义君,梁潇. 电子与信息学报. 2017(07)
[7]传感网中目标的移动式定位跟踪研究综述[J]. 彭臻,王田,王文华,王国军,赖永炫. 中南大学学报(自然科学版). 2017(03)
[8]基于遗传算法的加权最小二乘支持向量机GPS高程拟合法[J]. 李明飞,郇敏,秦川. 全球定位系统. 2016(06)
[9]联合TDOA改进算法和卡尔曼滤波的UWB室内定位研究[J]. 张桀,沈重. 现代电子技术. 2016(13)
[10]结合极大似然距离估计的MDS-MAP节点定位算法[J]. 李津蓉,王万良,介婧,姚信威. 传感技术学报. 2016(04)
硕士论文
[1]基于最小二乘和支持向量机的WSN节点定位方法研究[D]. 肖勇.江西理工大学 2011
本文编号：3107261
本文链接：https://www.wllwen.com/kejilunwen/ruanjiangongchenglunwen/3107261.html
