車聯(lián)網(wǎng)作為物聯(lián)網(wǎng)中的佼佼者,正逐步走進(jìn)人們的視野。車聯(lián)網(wǎng)的蓬勃發(fā)展有利于實(shí)現(xiàn)智能交通、減少道路擁堵及交通事故。而定位問(wèn)題是實(shí)現(xiàn)智能交通的重要一環(huán)。當(dāng)前,世界各國(guó)普遍采用全球?qū)Ш叫l(wèi)星系統(tǒng)來(lái)進(jìn)行車輛定位。而在GNSS信號(hào)不可用的地區(qū),基于無(wú)線測(cè)距的車路協(xié)同定位是實(shí)現(xiàn)車聯(lián)網(wǎng)定位的有效方法之一。本文對(duì)于車聯(lián)網(wǎng)盲區(qū)定位方法進(jìn)行了一些有益的探索,研究了三種適用于不同情形的車聯(lián)網(wǎng)盲區(qū)協(xié)同定位方法。首先,針對(duì)車載慣導(dǎo)定位誤差隨時(shí)間增大的問(wèn)題,提出了基于路側(cè)單元與無(wú)線測(cè)距的車聯(lián)網(wǎng)相對(duì)定位方法。建立了車路協(xié)同定位數(shù)學(xué)模型,并利用非線性加權(quán)最小二乘算法對(duì)其進(jìn)行解算。在以高速公路環(huán)境為背景的仿真實(shí)驗(yàn)中可以有效延緩慣導(dǎo)定位誤差的發(fā)散速度。其次,在沒(méi)有車載慣導(dǎo)時(shí),設(shè)計(jì)了迭代擴(kuò)展卡爾曼濾波算法,將系統(tǒng)的狀態(tài)考慮進(jìn)來(lái),有效地改善了車輛跟蹤的效果。再次,針對(duì)可能出現(xiàn)較大測(cè)距誤差的復(fù)雜區(qū)域,如建筑物較多的城市街區(qū),構(gòu)建了基于加權(quán)最小二乘支持向量回歸機(jī)的車聯(lián)網(wǎng)協(xié)同定位算法,該算法在測(cè)距誤差較大的二維和三維情形中都可以保持較好的定位效果。通過(guò)仿真分析,在干擾因素較小的簡(jiǎn)單情形下,非線性加權(quán)最小二乘法與迭代擴(kuò)展卡爾曼濾波法具有... 

【文章來(lái)源】：南京理工大學(xué)江蘇省 211工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

三邊測(cè)量法基本原理示意圖

2車聯(lián)網(wǎng)節(jié)點(diǎn)定位技術(shù)碩士學(xué)位論文8距離可以建立如式（2.1）所示的方程，該方程是在計(jì)算距離與測(cè)量距離之間的關(guān)系的基礎(chǔ)上建立的。對(duì)方程進(jìn)行解算就可以求出目標(biāo)節(jié)點(diǎn)的坐標(biāo)。圖2.1三邊測(cè)量法基本原理示意圖221112222222333()()()()()()dddddddddxxyydxxyydxxyyd（2.1）1131323232222221313312222221323322()2()2()2()=ddddddxxxyyyxxyyxxyyddxxyydd（2.2）三邊測(cè)量法是無(wú)線網(wǎng)絡(luò)傳感器定位中最基本的算法，也是車聯(lián)網(wǎng)節(jié)點(diǎn)定位中最直接、最高效的測(cè)距方法[25]。（2）三角測(cè)量法三角測(cè)量的基本原理是將定位系統(tǒng)中的一些已知節(jié)點(diǎn)形成相互連接的三角形，根據(jù)未知節(jié)點(diǎn)到三角形的三個(gè)頂點(diǎn)的相對(duì)水平角度信息來(lái)進(jìn)行定位[26]。如圖2.2所示，錨節(jié)點(diǎn)構(gòu)成的三角形為123AAA，D為未知節(jié)點(diǎn)，那么對(duì)于兩個(gè)錨節(jié)點(diǎn)1A、2A還有未知節(jié)點(diǎn)D，當(dāng)12AA在三角形中時(shí)，就可以得到一個(gè)圓心為121212O(x,y)、半徑為12r的圓，利用未知節(jié)點(diǎn)的坐標(biāo)與圓心、半徑以及相對(duì)水平角度的關(guān)系可以得到方程（2.3）。同樣地，2A和3A、3A和1A也可以確定對(duì)應(yīng)的圓心與半徑。最后，對(duì)方程組進(jìn)行解算就可以利用三角測(cè)量法求出未知節(jié)點(diǎn)的坐標(biāo)。圖2.2三角測(cè)量法原理圖

碩士學(xué)位論文基于無(wú)線測(cè)距的車聯(lián)網(wǎng)盲區(qū)協(xié)同定位算法研究922121121122212212212222121212()()()()()()2(1cos)xxyyrxxyyrxxyyr（2.3）三角測(cè)量法也是目前常見的車聯(lián)網(wǎng)節(jié)點(diǎn)定位方法之一。不過(guò)因?yàn)槿菧y(cè)量法定位過(guò)程中用到了三邊測(cè)量法，所以會(huì)造成誤差的累積。因此，在相同條件下，三角測(cè)量法的定位誤差會(huì)比三邊測(cè)量法要大。（3）極大似然估計(jì)法極大似然估計(jì)法的基本原理是通過(guò)n個(gè)信標(biāo)節(jié)點(diǎn)到未知節(jié)點(diǎn)的距離和信標(biāo)節(jié)點(diǎn)坐標(biāo)之間形成的數(shù)學(xué)關(guān)系進(jìn)行定位的[27]。如圖2.3所示：圖2.3極大似然估計(jì)法原理圖假設(shè)11(x,y)、22(x,y)、33(x,y)、、(,)nnxy代表了n個(gè)信標(biāo)節(jié)點(diǎn)的坐標(biāo)。下一步需要知道每個(gè)信標(biāo)節(jié)點(diǎn)到未知節(jié)點(diǎn)D的測(cè)量距離，根據(jù)測(cè)量距離與計(jì)算距離的關(guān)系可以成立節(jié)點(diǎn)定位線性方程組Axb，其中：11112()2()=2()2()nnnnnnxxyyAxxyy（2.4）222222111222222111nnnnnnnnnxxyyddbxxyydd（2.5）ddxxy（2.6）極大似然估計(jì)法的核心思想就是使節(jié)點(diǎn)定位誤差的標(biāo)準(zhǔn)均方差達(dá)到最小，那么依此我們可以根據(jù)式（2.7）解算出待求節(jié)點(diǎn)D的坐標(biāo)。1()xATAATb（2.7）2.2車聯(lián)網(wǎng)節(jié)點(diǎn)定位技術(shù)分類目前，現(xiàn)有的條件對(duì)于車聯(lián)網(wǎng)節(jié)點(diǎn)定位的實(shí)現(xiàn)存在諸多限制，如節(jié)點(diǎn)的功耗、體積、節(jié)點(diǎn)計(jì)算能力以及電源容量等。同時(shí)，所部署的區(qū)域也有一定的復(fù)雜性。因此，迄今為

【參考文獻(xiàn)】：
期刊論文
[1]無(wú)線傳感器網(wǎng)絡(luò)分布式迭代定位誤差控制算法[J]. 汪晗,成昂軒,王坤,宋樹偉.  電子與信息學(xué)報(bào). 2018(01)
[2]基于ToA技術(shù)與擴(kuò)展卡爾曼濾波的室內(nèi)無(wú)線定位算法設(shè)計(jì)[J]. 劉明佳,駱曦,劉志新.  艦船電子工程. 2017(11)
[3]人工蜂群優(yōu)化神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感器節(jié)點(diǎn)定位算法[J]. 周子昂,徐坤,程全,劉玉春.  南京理工大學(xué)學(xué)報(bào). 2017(04)
[4]車聯(lián)網(wǎng)基站定位糾偏算法研究[J]. 王明儒,阮詳兵.  電信工程技術(shù)與標(biāo)準(zhǔn)化. 2017(05)
[5]基于KDDA和SFLA-LSSVR算法的WLAN室內(nèi)定位算法[J]. 張勇,李飛騰,王昱潔.  計(jì)算機(jī)研究與發(fā)展. 2017(05)
[6]能量分簇傳感器網(wǎng)絡(luò)距離誤差校正MDS-MAP定位算法[J]. 田洪亮,錢志鴻,王義君,梁瀟.  電子與信息學(xué)報(bào). 2017(07)
[7]傳感網(wǎng)中目標(biāo)的移動(dòng)式定位跟蹤研究綜述[J]. 彭臻,王田,王文華,王國(guó)軍,賴永炫.  中南大學(xué)學(xué)報(bào)(自然科學(xué)版). 2017(03)
[8]基于遺傳算法的加權(quán)最小二乘支持向量機(jī)GPS高程擬合法[J]. 李明飛,郇敏,秦川.  全球定位系統(tǒng). 2016(06)
[9]聯(lián)合TDOA改進(jìn)算法和卡爾曼濾波的UWB室內(nèi)定位研究[J]. 張桀,沈重.  現(xiàn)代電子技術(shù). 2016(13)
[10]結(jié)合極大似然距離估計(jì)的MDS-MAP節(jié)點(diǎn)定位算法[J]. 李津蓉,王萬(wàn)良,介婧,姚信威.  傳感技術(shù)學(xué)報(bào). 2016(04)

碩士論文
[1]基于最小二乘和支持向量機(jī)的WSN節(jié)點(diǎn)定位方法研究[D]. 肖勇.江西理工大學(xué) 2011



本文編號(hào)：3107261