基于无线传感网络的列车定位技术研究

发布时间：2017-09-13 19:27

  本文关键词：基于无线传感网络的列车定位技术研究

  更多相关文章： 列车定位 无线传感网络 ZigBee RSSI

【摘要】：从1876年我国第一条铁路诞生至今,我国铁路线路一直不断增加,铁路牵引机车也跨越了从蒸汽机时代到内燃机时代再到电气化时代的演变,列车速度也跨越了六次大提速,为保证列车的安全高效运行,实现列车的连续定位至关重要。但目前使用的一些定位技术都存在这方面的局限性,不能实时更新列车的位置信息。随着无线通讯技术和电子器件技术的快速发展,使低成本、低功耗、多功能的无线传感器的开发和广泛运用成为可能,基于无线传感网络的研究和应用正在蓬勃发展之中。无线传感网络(Wireless Sensor Networks,简称WSN)能够实时地更新列车的位置信息,尤其是在森林、山区和隧道,只要节点布置合理都能很好地发挥作用。目前,无线传感器网络定位算法中,TDOA(到达时间差)和AOA(到达角)对硬件都有特殊的要求,TOA(到达时间)需要精确的时钟同步,RSSI(接收信号强度指示)定位算法对硬件没有额外的要求,主要利用无线电信号的强度来定位,因为传感器节点本身就具有无线通信能力,所以这是一种低功耗、廉价的基于测距的定位算法。而利用GPS定位原理来实现WSN定位也是一种可行的定位思路。本文采用了以下两种WSN定位算法:第一种:改进的RSSI的修正加权质心定位算法。传统的基于RSSI的修正加权质心定位算法在信标节点的选取上存在一定的不合理性,导致误差较大,论文对此进行了一定的改进,另外在后期的数据处理上也做了一定的改进。通过仿真对比分析,证明改进后的算法降低了定位误差,提高了定位精度。利用动态中行驶的列车各个车厢之间相对静止的特点,论文中对行驶中的列车的定位误差在理论上提出了矫正方案。第二种:基于GPS定位原理的WSN定位算法。在GPS的定位原理的基础之上,论文提出了基于GPS定位原理的WSN定位算法。把信标节点当作太空卫星,待定位的列车就是地面接收机。利用信号从信标节点到未知节点的传输时间作为估算两点距离的依据,对列车的位置进行初步的估算。为减小定位误差,文章对列车位置进行了建模分析,对计算结果中产生的噪声进行了滤除。最后,仿真证明,基于GPS的WSN定位算法的不仅是可行的,而且定位误差小于传统的RSSI修正加权质心定位算法和改进的RSSI修正加权质心定位算法,算法稳定性好。最后,为进一步验证算法的可行性和优越性,论文用汽车代替列车建立了一个小型验证系统。采用支持休眠模式的CC2530模块作为传感器节点来测试和分析动态下定位算法的定位误差。实验证明,在不同的运行速度下基于GPS定位原理的WSN定位算法稳定性较好,平均定位误差维持在3m左右。误差波动范围始终小于改进的RSSI修正加权质心定位算法的误差波动范围。
【关键词】：列车定位 无线传感网络 ZigBee RSSI
【学位授予单位】：兰州交通大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：U284.48;TP212.9;TN929.5
【目录】：

• 摘要4-6
• Abstract6-10
• 1 绪论10-15
• 1.1 研究背景和意义10
• 1.2 国内外研究现状10-14
• 1.2.1 列车定位技术10-13
• 1.2.2 WSN的发展13-14
• 1.3 论文结构安排14-15
• 2 WSN及其定位技术15-27
• 2.1 WSN的基本架构15-20
• 2.1.1 WSN的组成15-17
• 2.1.2 WSN的通信17
• 2.1.3 ZigBee协议体系结构17-18
• 2.1.4 ZigBee组网18-19
• 2.1.5 WSN适用于列车定位的优势19-20
• 2.2 节点定位技术20-26
• 2.2.1 基于测距技术的定位20-23
• 2.2.2 无需测距的定位23-24
• 2.2.3 定位算法的评价指标24-25
• 2.2.4 基于RSSI的质心定位算法25-26
• 2.3 本章小结26-27
• 3 RSSI修正加权质心定位算法27-44
• 3.1 RSSI测距模型27-31
• 3.1.1 路径损耗模型分析27-29
• 3.1.2 路径损耗模型仿真29-31
• 3.2 基于卡尔曼滤波的RSSI模型31-32
• 3.3 RSSI修正加权质心定位算法32-36
• 3.3.1 算法原理32-34
• 3.3.2 算法优化34-36
• 3.4 MATLAB仿真36-41
• 3.5 列车定位误差矫正方案41-43
• 3.6 本章小结43-44
• 4 基于GPS定位原理的WSN定位算法44-55
• 4.1 测距原理44-45
• 4.2 非白噪声的滤波建模45-47
• 4.2.1 状态方程的建立46
• 4.2.2 测量方程的建立46-47
• 4.3 高斯白噪声的滤波建模47-51
• 4.3.1 最优线性平滑47-49
• 4.3.2 非线性滤波49-51
• 4.4 算法步骤51
• 4.5 MATLAB仿真51-53
• 4.6 本章小结53-55
• 5 定位算法的实物验证及测试55-62
• 5.1 开发平台介绍55-57
• 5.1.1 相关硬件55-56
• 5.1.2 相关软件56-57
• 5.2 实验测试及结果分析57-61
• 5.2.1 节点部署57-58
• 5.2.2 结果分析58-61
• 5.3 本章小结61-62
• 结论62-64
• 致谢64-65
• 参考文献65-67
• 攻读学位期间的研究成果67

【参考文献】

中国期刊全文数据库 前10条

1 王翠香;邵星;;基于无线传感器网络的智能家居系统设计[J];工业控制计算机;2015年12期

2 申静涛;;基于RSSI的对数距离路径损耗模型研究[J];电子质量;2013年12期

3 杨宁;钟绍山;徐耀良;杨亚兰;;一种改进高斯-卡尔曼滤波的RSSI处理算法[J];自动化仪表;2013年07期

4 朱明强;侯建军;刘颖;苏军峰;;一种基于卡尔曼数据平滑的分段曲线拟合室内定位算法[J];北京交通大学学报;2012年05期

5 竺如生;;基于DV-HOP WSN改进算法的研究与仿真[J];自动化技术与应用;2012年06期

6 巢晋杰;;基于GSM-R网络的列车GPS/DR组合定位技术[J];太原铁道科技;2011年04期

7 张橙;宋学瑞;;基于ZigBee的RSSI测距方法精度研究[J];湖南工业大学学报;2011年05期

8 李瑶怡;赫晓星;刘守印;;基于路径损耗模型参数实时估计的无线定位方法[J];传感技术学报;2010年09期

9 刘运杰;金明录;崔承毅;;基于RSSI的无线传感器网络修正加权质心定位算法[J];传感技术学报;2010年05期

10 张洁颖;孙懋珩;王侠;;基于RSSI和LQI的动态距离估计算法[J];电子测量技术;2007年02期

，

本文编号：845459