基于多模差分融合的高速車輛定位算法

1、基于多模差分融合的高速車輛定位算法姚錕 1 任維政2（1.北京郵電大學 電氣工程學院，北京 2.北京郵電大學 電子工程學院，北京）摘要：針對車輛高速運動下定位延時大、精度低、穩(wěn)定性差的問題，發(fā)揮GPS、RSSI和INS三種定位模式的各自優(yōu)勢，將GPS差分校準算法與RSSI測距相結(jié)合求解橫坐標，將RSSI測距與INS慣導迭代算法相結(jié)合求解縱坐標，提出了一種適合高速運動車輛的多模差分融合精確定位算法。以四車道的高速路為場景進行了仿真實驗，當車速為70km/h時，跟蹤誤差1m，定位延時(其中是誤差敏感度)，則將該數(shù)值舍去。（2）高斯擬合濾波根據(jù)實際經(jīng)驗，道路上的RSSI數(shù)值服從高斯概率分布，故在多組

2、測量數(shù)據(jù)中概率密度最大的測量值是與真實值最接近的8。采用高斯擬合濾波的擬合函數(shù)如下式所示：y=y0+A2e-2x-xc2/2 (3)xc=i=1kRSSIik (4)=i=1k(RSSIi-xc)2k-1 (5)當0.5y1時，認為是大概率事件，予以保留，然后取保留后的RSSI均值。式中y0和A是待定系數(shù)， k為錨節(jié)點數(shù)目。由于差分參考節(jié)點附帶GPS接收機，故可以獲取本地經(jīng)緯度信息。該經(jīng)緯度信息附帶的系統(tǒng)誤差為該參考節(jié)點所處路網(wǎng)環(huán)境的GPS系統(tǒng)誤差。假設(shè)差分校準節(jié)點R0,設(shè)其真實經(jīng)緯度映射到二維平面的坐標為(xd0,yd0)。而通過GPS接收機獲取的二維轉(zhuǎn)換坐標為(xd0,yd0)，故有轉(zhuǎn)換后

3、的校準坐標為：xd,yd=(xd0-xd0,yd0-yd0) (6)最終的車載節(jié)點的x坐標如下式所示：xv=xv-xd (7)其中是與RSSI強度相關(guān)的系數(shù)，用以確定校準坐標的權(quán)重。而在GPS定位時，雖然GPS定位系統(tǒng)的精度與衛(wèi)星數(shù)量關(guān)系不大，但會很大程度影響定位的穩(wěn)定性11。在衛(wèi)星數(shù)量小于3顆時，需要重新獲取GPS坐標，并同步信標差分節(jié)點的接收機測試值。假設(shè)當前測得的車載節(jié)點與差分參考節(jié)點的RSSI值為PLd，假設(shè)加權(quán)參數(shù)與PLd滿足指數(shù)關(guān)系，如下式所示：=Alog10PLd-0.35 (8)2.2 INS航位迭代與RSSI校準融合的車道定位算法該算法的主要目的是求得達到“車道級”精度的二維

4、平面下的縱坐標和車道編號，該算法的核心過程如下面的步驟：（1）在首個差分節(jié)點單元下采用RSSI相對測距算法求得車道編號；（2）在剩余的普通節(jié)點單元采用INS迭代算法進行跟蹤和迭代，直至下個差分節(jié)點單元。2.2.1 RSSI車道定位算法RSSI車道定位算法是在差分單元模型下進行的，通過車載節(jié)點的航向信息確定車道位置。再根據(jù)車載節(jié)點與兩個路側(cè)節(jié)點的相對RSSI強度求差，以確定所在的準確車道。這種方法避免直接通過RSSI衰減模型測距定位的弊端(環(huán)境參數(shù)估計、障礙物干擾) 9，通過多組RSSI的采集、濾波的相對值比較，即可實現(xiàn)車道定位。RSSI車道定位算法的示意過程如下圖所示：圖3 RSSI車道定位算

5、法的示意過程假設(shè)車道從上至下的編號為14,最終的輸出結(jié)果如下，n表示車道數(shù)量：y=-0.5l0n+2l0 (9)2.2.2 INS航位迭代算法為了描述方便，本文的數(shù)學描述均采用二維坐標的形式，避免了原有的向量表示方法。INS系統(tǒng)中，假設(shè)已知初始位置為(x0,y0)，并且已知根據(jù)車載慣導系統(tǒng)獲得的速度、加速度信息，其中速度向量為(vx,vy)?？紤]到本算法僅需考慮車道定位的要求，因此只需保留縱坐標即可。因此，車輛縱坐標的遞推公式如下所示：yi=yi-1+yxi(i1) (10)INS系統(tǒng)的計算過程是不間斷迭代的，而初始值y0取為上一差分參考單元獲取的縱坐標。該算法通過反復的選取INS系統(tǒng)的初始數(shù)

6、據(jù)，不僅起到了普通節(jié)點單元的車道定位，而且保證了整體車道定位的精度10。3仿真實驗為驗證本文所提出的算法可行性，選用仿真軟件模擬真實環(huán)境并估計定位的誤差，軟件環(huán)境采用Matlab7.0。車輛的初始位置設(shè)為(x0,y0)，移動速度在40km/h-70km/h勻速提升，所處位置為如圖1所示的四車道高速路路段。 由于本文討論的定位算法在縱向上主要是確定車道編號，因此具體的縱坐標的誤差等級仿真意義并不大。下圖展示了實際距離與橫坐標定位誤差的關(guān)系，并與傳統(tǒng)的GPS定位、RSSI測距定位做了比較。圖4 實際橫向距離與誤差仿真關(guān)系圖上圖中虛線為RSSI的定位誤差曲線，稍居下側(cè)的是GPS的誤差曲線，處于最下側(cè)

7、且用“*”打點的是本文算法的誤差曲線。根據(jù)上圖三段曲線可知，本文算法在35米內(nèi)誤差值穩(wěn)定且在2米以下，15米的范圍內(nèi)能到達1米以下；而RSSI測距和GPS定位的波動則很大，RSSI定位的誤差甚至超過了7米。通過仿真實驗表明，該算法在時速不高于70km/h下的移動跟蹤誤差能達到1m以內(nèi)，定位延時0.2s，比傳統(tǒng)的GPS定位精度提高了25%左右。4結(jié)論本文針對高速行駛車輛的定位困難問題，構(gòu)建了高速路路段模型，并在此基礎(chǔ)上，通過將GPS差分定位、RSSI相對測距和INS航位測距的多重方法無縫融合，實現(xiàn)了一個更高精度、更小延時的“車道級”和“車身級”定位算法，為道路交通中高速、高精度定位的應用奠定了理

8、論基礎(chǔ)。尤其在安全預警、車輛防撞等需要更為精確的定位數(shù)據(jù)的智能交通領(lǐng)域具有廣闊的應用前景和推廣價值。參考文獻1Beutel J. Geolocation in a PicoRadio environment(MS.Thesis)D. Berkeley:UC Berkeley,1999.2Bulusu N. Self-Configuring localization systems(Ph.D.Thesis)D. Los Angeles:University of California,2002.3Vardhan S,Wilczynski M,Portie G J. Wireless integr

9、ated networks sensors(WINS):Distributed in situ sensing for mission and flight systemsA. Piscataway,NJ:IEEE,2000.459-463.4吳曉平，陸炳斌，沈浩. 基于RSSI定位模型的非視距關(guān)系識別方法J傳感技術(shù)學報，2013，11(23)：1271315陳錫劍，程良倫. 基于RSSI的功率匹配定位算法的研究與實現(xiàn)J.傳感技術(shù)學報，2013，05(12)：17206DOHERTY L,GHAOUI L E,PISTER K S J. Convex position estimation i

10、n wireless sensor networksA. Anchorage,AK,USA:IEEE Computer and Communications Societies,2011.1655-1663.7張愛清，葉新榮. 基于RSSI每跳分級和跳距修正的DV-HOP改進算法J. 儀器儀表學報，2012，33(11)：120-124.8劉雪蘭，王宜懷. 無線傳感器網(wǎng)絡(luò) RSSI定位算法改進J. 計算機應用與軟件，2013，11：608613.9李論丁，恩杰，郝麗娜，張雷. 一種改進的煤礦井下指紋定位匹配算法J. 傳感技術(shù)學報，2014，(03)：122-12510馬燕，袁蔚林，陳秀萬. 基于WiFi與GPS組合