（信号与信息处理专业论文）基于rfid与dsp技术的车辆定位算法研究.pdf

大连理工大学硕士学位论文 摘要 智能交通系统( i t s ) 是2 1 世纪城市交通系统的发展方向，是解决众多交通问题的 根本措施之一。其中，智能车辆定位是其核心部分。本文即基于幕丰浩博士等人提出的 新型交通信息获取系统，解决其中的车辆定位问题。 本文在分析射频识别( r f d ) 原理、无线定位知识和d s p 技术的基础上，设计了 一种可以快速估计非整数时延的定点l m s 自适应时延估计方法，实时的获得车辆到达 不同基站的时间延迟( t o a ) ，然后利用c h a r t 算法对车辆进行定位。分析了c h a r t 算法 的定位性能，之后针对时延估计具有较大误差这一情况，对c h a r t 算法进行改进，并根 据改进的定位算法，提出了韧性( r o b u s t ) 定位算法，使车辆定位系统在具有较大时延 估计误差的情况下的定位性能相对于c h a r t 算法得到很大的提高。本文的主要工作如下： ( 1 ) 研究如何用定点数字信号处理器t m s 3 2 0 d m 6 4 2 在有限精度下实现无限精度的 l m s 自适应时间延迟估计算法，尽可能减小有限精度效应，达到高的时延估计精度。 ( 2 ) 针对l m s t d e 算法只能估计整数时延的问题，本文提出了一种有效的插值方法 ( 抛物线拟合) ，使该算法可以估计出非整数时延，并且具有高的实时性，在p c ( c p u ： 2 2 g h z ，内存：2 g ) 上用v c + + 编程实现3 0 0 次时延估计，最快需要7 0 6 0 毫秒，而在 d s p ( t m s 3 2 0 d m 6 4 2 ：c p u 6 0 0 m h z ) 上运行只需要11 4 6 8 8 毫秒，比p c 机快6 0 多倍。 ( 3 ) 在用定点t m s 3 2 0 d m 6 4 2 估计出的时延相对与无限精度算法有较大误差的情况 下对c h a r t 定位算法进行改进，改善了定位性能。 ( 4 ) 针对改进的定位算法提出一种韧性( r o b u s t ) 定位算法，以此来提高定位性能。 并对算法进行了实验仿真，在信噪比s n r = 一5 d b 时，韧性定位算法的定位误差约为1 0 米，而c h a n 算法的定位误差约是1 8 米。当信噪比下降到2 5 d b 时，c h a n 算法的定位误 差增加到1 3 9 11 7 3 米，此时，韧性定位算法的定位误差是7 1 2 9 5 0 米，抗误差能力显著 提高。随着信噪比的降低，韧性定位算法相对与c h a n 算法的优势越来越明显。这也说 明，r o b u s t 算法在低信噪比和时延估计误差较大条件下具有好的定位性能。 ( 5 ) 对整个定位方案进行仿真实验。证实了本文提出的基于f r i d 和定点数字信号 处理器( t m s 3 2 0 d m 6 4 2 ) 的车辆定位算法能够在城区内比较满意地实现交通目标的搜 索和定位。 关键词：智能交通系统；射频识别；数字信号处理器；到达时延差；韧性估计；车 辆定位算法 基于r f i d 与d s p 技术的车辆定位算法研究 s t u d yo n l o c a t i o na l g o r i t h mo fv e h i c l eb a s e do nr f i da n dd s p a b s t r a c t h lt h e21s tc e n t u r y ，i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ( i t s ) h a sb e c o m et h ei n e v i t a b l e t r e n do fc i t yt r a f f i c s ，w h i c hi st h ek e yt om a n yt r a f f i cp r o b l e m s i n t e l l i g e n tv e h i c l el o c a t i o n s y s t e mi st h ec e n t r a lp a r to f i t s t h i sp a p e rp u t se m p h a s i so nl o c a t i o no fv e h i c l e ，w h i c hi sa s u b - s y s t e mo fn e ws t y l ei n t e l l i g e n tv e h i c l es u r v e i l l a n c es y s t e mp r o p o s e db yd r m u a f i x e d - p o i n tt i m ee s t i m a t i o na l g o r i t h me s t i m a t i n gn o n - i n t e g e rt o ai sd e s i g n e db a s e d o nr f i da n dd s p i tc o u l dg e tt h et o a ( t i m eo fa r r i v a l ) i nr e a lt i m e t h et o aw i l lb eu s e d i nn e x ts t e pt h a te s t i m a t et h ev e h i c l eu s i n gc h a na l g o r i t h m t h e nt h i sp a p e ra n a l y s e st h e p e r f o r m a n c eo f t h ec h a na l g o r i t h mt oe s t i m a t et h ev e h i c l el o c a t i o n t h e nf o rt h eb i ge r r o ro f e s t i m a t i n gt o a ，a na m e n dc h a na l g o r i t h mi sp r e s e n t e ds ot h a ti tc o u l dp e r f o r mw e l l f o r m o r ep r e c i s i o no ft h ee s t i m a t i o n , i tp r e s e n t sar o b u s tl o c a t i o na l g o r i t h m t h em a i nw o r ko f t h i sp a p e ri sa sf o l l o w s ： ( 1 ) h o wt or e a l i z et h el m s t d e ( l e a s tm e a ns q u a r et i m ed e l a ye s t i m a t i o n ) a l g o r i t h mi nf i n i t ew o r dl e n g t ha n dm a k es u r et h ep r e c i s i o ni ss t u d i e d ( 2 ) t h ep a r a b o l i c f i ti n t e r p o l a t i o nm e t h o di si n t r o d u c e dt os o l v et h ep r o b l e mt h a tt h e l m s t d ea l g o r i t h mo n l ye s t i m a t e s t h ei n t e g e rt o as ot h a ti tc o u l de s t i m a t et h e f l o m i n g t o ai nr e a l i t y i tt a k e s7 0 6 0 m su s i n gv c + + o nt h ep c ( c p u ：2 2 g h z ，m e m o 巧 c a c h e ：2 g ) b u to n l y11 4 6 8 8m i l l i s e c o n d so nt h et m s 3 2 0 d m 6 4 2 i t s6 0t i m e sa sp e ( 3 ) a m o d i f i e dc h a na l g o r i t h mi sp r e s e n t e dt oi m p r o v et h el o c a t i o np r e c i s i o ni nf i n i t e w o r dl e n g t ht o a a l g o r i t h mh a v i n gb i ge s t i m a t i o ne r r o r ( 4 ) f o rm o r el o c a t i o np r e c i s i o n , ar o b u s tl o c a t i o na l g o r i t h mi s p r o p o s e d t h e e x p e r i m e n tr e s u l ts h o w st h a tm e a ne 册r o ro fl o c a t i o no f r o b u s tl o c a t i o na l g o r i t h mi s10 19 3 3 m ， t h ec h a na l g o r i t h mi s18 8 3 31 mw h e ns n r = - 5 d b w h e nt h es n rd e c r e a s e st o - 2 5 d bt h e m e a ne r r o ro fl o c a t i o no fr o b u s tl o c a t i o na l g o r i t h mi s7 1 2 9 5 0 ma n dt h ec h a r ta l g o r i t h mi s 13 9 117 3 m ，a l m o s t2t i m e so fr o b u s t i tt u r n so u tt h a tt h er o b u s th a sag o o dp e r f o r m a n c e e s p e c i a l l yi nt h eb a d e n v i r o n m e n t ( 5 ) t h es i m u l a t i o no fl o c a t i o ns y s t e mi sp e r f o r m e di nt h ee n d t h er e s u l ts h o w st h a tt h i s p a p e rp r o p o s e st h e r o b u s tl o c a t i o na l g o r i t h mi sg o o de n o u g ht or e a l i z et h el o c a t i o no f v e h i c l ei n a c i t ya r e a k e yw o r d s ：i t s ；r f i d ；d s p ；t d o a = r o b u s te s t i m a t i o n ；v e h i c l el o c a t i o n i i 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目：茎童墨垦堂堕拯鱼茎翅窒延差墨圭 一 作者签名：凶查童日期：2 旦q 篁年丝月么生日 大连理工大学硕士研究生学位论文 大连理工大学学位论文版权使用授权书 本人完全了解学校有关学位论文知识产权的规定，在校攻读学位期间 论文工作的知识产权属于大连理工大学，允许论文被查阅和借阅。学校有 权保留论文并向国家有关部门或机构送交论文的复印件和电子版，可以将 本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、 缩印、或扫描等复制手段保存和汇编本学位论文。 学位论文题目：墓主垦 量旦当q 苎拯苤煎茎搁鏖丝筵茎缢 作者签名： 商建垒一一一 日期：2 口d 驴年2 月o 日 导师签名：型牡笠l 日期：_ 2 丑年生月l 日 大连理工大学硕士学位论文 1绪论 1 1课题的目的及意义 2 0 0 8 年的北京奥运会带给我们国人骄傲和自豪的同时也使我们更加深刻地体会到 交通问题的严重性。智能交通系统( i t s ：i n t e l l i g e n tt r a n s p o r t a t i o ns y s t e m ) 有望缓解这 一问题。智能交通系统是对通信、控制和信息处理技术在交通系统中集成应用的统称， 这种集成应用产生的综合效益主要体现在挽救生命、节省时间和金钱，降低能耗以及改 善环境。 具体而言，智能交通系统是将先进的信息技术、数据通讯传输技术、电子传感技术 及计算机软件处理技术等有效的集成运用于整个地面交通管理系统而建立的一种在大 范围内、全方位发挥作用的高效、便捷、安全、环保、舒适、实时、准确的综合交通运 输管理系统，是一种提高交通系统的运行效率，减少交通事故、降低环境污染、信息化、 智能化、社会化、人性化的新型交通运输系统。它将有助于最大程度的发挥交通基础设 施的效能，提高交通运输系统的运行效率和服务水平，为公众提供高效、安全、便捷、 舒适的出行服务l i j 。 信息技术是i t s 的核心。i t s 是以信息的收集、处理、集成和提供为基础的。通常 将交通信息的采集分为两大类：宏观的数据采集和微观的数据采集【2 3 】。采用不同的交 通数据采集模式将直接影响智能交通系统的体系结构。 所谓基于宏观数据采集的智能交通系统是指在该系统中可无车载单元，交通数据通 过路边的传感器( 如感应线圈) 、微波检测器等检测设备检测获取。获取的交通数据主 要是车流量、车流速度等宏观的数据，而对每个车辆的个体信息不关心也无法获取。 感应线圈检测器是最常见的一种交通信息获取方式。当有机动车通过检测区域时， 检测器内的电流在电磁感应的作用下会跳跃式上升，当电流超过指定阈值时会触发记录 仪，完成对车辆数及其持续时间的记录。该技术主要具有技术成熟、易于掌握、全天候 工作和设备价格低等优点。但它的缺点是安装时需切割路面，影响路面寿命，安装维护 时需要中断交通，对已建成的道路应用比较困难。 微波检测器会向检测区域发射具有一定波长的能量波束，当有机动车穿过检测区域 时，该波束经车辆反射后被检测器接收并处理从而获得所需的交通参数。此方式的优点 是检测精度高，而且可检测间距很小的车流。其缺点是检测精度易受环境影响，尤其是 大风、暴雨等影响，而且探头下方通过的人或物也会产生反射波，造成误检。 基于r f i d 与d s p 技术的车辆定位算法研究 微观的数据采集与宏观的数据采集有所不同，它关注的是每一辆车的信息，如车辆 的车牌号，经过检测器的时间等信息。此类信息不仅仅是宏观信息的有益补充，同时还 是高速公路网管理系统的必要数据。同时对于异地车辆管理，车辆追踪都是必不可少的 一项基础信息。但是，要实现采集每辆车的信息，除了采用视频监控系统外，还可以在 车上安装车载单元，并解决车载单元与路边采集设施的无线通信问题。 射频识别( r f i d ：r a d i of r e q u e n c yi d e n t i f i c a t i o n ) 是现在微观数据采集的发展方向 之一，它可分为无源射频识别和有源射频识别两种。 无源射频识别也称无源r f i d ，其优点是成本低，无需供电。但它的缺点是通信距 离短，传输速率低，无法满足将来大信息量的通信要求。 有源射频识别也称有源r e i d ，它的优点是通信距离远，传输速率高，可针对复杂 的要求设计相应的通信协议。它的缺点是需要供电，成本较高。 1 2r fld 与r fid 定位技术概述 r f i d 是一种非接触式的自动识别技术，它利用射频信号及其空间耦合和传输特性， 实现对静止或移动目标的自动识别。r e i d 的信息载体是射频标签，其形式有卡、纽扣、 标签等多种类型。r f i d 标签贴在或安装在物品上，由安装在不同地理位置的读写器读取 存储于标签中的数据，实现对物品的自动识别【4 】。图1 1 显示了r e i d 系统的结构框图。 耦合元件 ( 线圈或微波天线) 图1 1r f i d 系统的基本结构框图 f i g 1 1 s t r u c t u r ed i a g r a mo fr f i ds y s t e m r e i d 技术的基本工作原理如下：应答器进入阅读器磁场后，接收阅读器发出的射 频信号，凭借感应电流所获得的能量发送出存储在芯片中的产品信息( p a s s i v et a g ，无 源标签或被动标签) ，或者主动发送某一频率的信号( a c t i v et a g ，有源标签或主动标 签) ；阅读器读取信息并解码后，送至中央信息系统进行有关数据处理。 r f i d 技术应用十分广泛，其中，基于r e i d 原理的定位技术成为目前研究的热点， 它可以根据用户需要布置在特定区域( 如停车场、滑雪场) 。在这些区域的特定地点安 大连理工大学硕士学位论文 放r f i d 读写器，系统可以实时检测到带有r f i d 装置的物体所处位置【5 1 。r f i d 定位 系统不需要卫星配合，其精确度取决于r f i d 读写器的分布，而读写器的分布可以根据 用户自身实际需要进行设置，适合在特定区域进行定位的用户，具有极高实用价值。据 r f i d 业内专家预测，到2 0 1 6 年，r f i d 实时定位系统即r t l s ( r e a l t i m el o c a t i o n s y s t e m ) 的应用量将会大幅度上升，销售额估计会超过2 7 亿美元【6 1 。 r f i d 技术在交通监管领域有多种应用，例如高速公路的收费系统、车辆证照信息 管理和移动式固定式稽查系统等，可记录车辆相关详细信息和行驶路线以及是否超出营 运范围，还可以采用r f i d 技术统计交通流量，提供车辆、船只进出口站( 港口) 的精 确交通流数据，为交通规划提供准确依据，从而保障公路、水道的通畅有序。r f i d 标 签具有防水、防磁、耐高温、使用寿命长，可以远距离识别、读取速度快、信息采集量 与存储量大、数据准确以及可根据环境变化相应调整和成本较低等优点。缺点就是，需 要将r f i d 标签永久固定在车身、船身的适当位置( 如汽车的挡风玻璃上) ，前期贴标 工作需要投入大量的时间和精力【。7 1 。 1 3d s p 技术概述 实时性对于交通系统来说是至关重要的，对于车辆定位，要求系统必须在很短的时 间内完成。这就要求系统硬件的运算速度特别快，可以应对各种突发的定位任务。数字 信号处理器具有高速的处理能力，单片d s p 芯片的处理能力已达每秒4 8 亿条指令 ( 4 8 0 0 m i p s ) 和每秒1 0 亿次浮点操作( 1 g f l p o s ) 【8 】。所以本文决定采用d s p 芯片来 实现车辆定位系统。下面对d s p 技术和本文采用的t m s 3 2 0 d m 6 4 2 数字信号处理器芯 片以及s e e d v p m 6 4 2 实验开发平台进行介绍。 ( 1 ) d s p 技术 采用数字技术进行信号处理，较之传统的模拟设备具有灵活性、复现性、可靠性、 和复杂性等优点【9 1 。自从2 0 世纪7 0 年代末第一片数字信号处理器芯片( d s p ：d i s t a l s i g n a lp r o c e s s o r ) 问世以来，d s p 就以数字器件特有的稳定性、可重复性、可大规模集 成、特别是可编程性和易于实现自适应处理等特点，给数字信号处理的发展带来了巨大 机遇。d s p 芯片具有与数字信号处理功能相适应的结构特点，它在很大程度上体现了 d s p 算法的需求。如特有的硬件乘法器、多功能单元、哈佛总线结构、专用寻址单元、 片内存储器和流水线处理技术【踟。这些结构上的特点都大大的提高了d s p 芯片的处理性 能。 ( 2 ) t m s 3 2 0 d m 6 4 2 数字信号处理器 基于r f i d 与d s p 技术的车辆定位算法研究 t m s 3 2 0 d m 6 4 2 r 1 0 】是美国德州仪器( t i ) 推出的一款新型高性能d s p ，基于c 6 4 x 内核，采用v e l o c i t i 甚长指令字( v l i w ：v e r yl o n g i n s t r u c t i o nw o r d ) 结构，这种结构 的d s p ，由一个超长的机器指令来驱动内部的多个功能单元( 这也是v l i w 名字的由 来) 。d m 6 4 2 的c p u 具有6 4 个3 2 位通用寄存器，8 个独立计算功能单元。工作主频 最高达7 2 0 m h z ，每周期可并行运行8 条3 2 位指令，处理性能可达5 7 6 0 m i p s 。它的芯 片设计使它在无线通信和有线通信领域有很大的应用前景，非常适合于本文的无线集信 基站的应用。 ( 3 ) s e e d v p m 6 4 2 本文采用的开发平台s e e d 。v p m 6 4 2 t 1 1 】是由合众达电子自主设计、开发的。其上主 要集成了高性能3 2 位定点d s p 刚s 3 2 0 d m 6 4 2 和s d r a m 、f l a s h 等外设。 t m s 3 2 0 d m 6 4 2 通过外部存储器接口( e m i f ) 访问片外存储器，s e e d v p m 6 4 2 上e m i f 以1 3 3 m h z 时钟进行工作。s e e d v p m 6 4 2 模板上的输入时钟为5 0 m h z ，d m 6 4 2 的c p u 内核频率为时钟频率的1 2 倍，即6 0 0 m h z 。片上外设总线、e d m a 传输和l 2 存储器的 工作频率为c p u 内核频率的1 2 ，即3 0 0 m h z ：片上定时器的工作频率为c p u 内核时钟 频率的1 8 ，即7 5 m h z ；片上外设m c a s p 和m e b s p 的工作频率为c p u 内核时钟频率 的1 4 ，即1 5 0 m h z 。 1 4 本文主要工作 本文研究基于r f i d 和定点数字信号处理器( 1 m s 3 2 0 d m 6 4 2 ) 的车辆定位算法， 用于解决幕丰浩【1 2 】博士等提出的新型交通信息获取系统中的车辆定位问题。本文的主要 工作： ( 1 ) 针对本文采用的基于时延的车辆定位问题，研究如何用定点数字信号处理器 t m s 3 2 0 d m 6 4 2 在有限精度下实现无限精度的l m s 自适应时间延迟估计算法，尽可能 减小有限精度效应，达到高的时延估计精度。 ( 2 ) 针对l m s t d e 算法只能估计整数时延的问题，提出了一种有效的插值方法 ( 抛物线拟合) ，使该算法可以估计出非整数时延。 ( 3 ) 在用定点d m 6 4 2 估计出的时延相对于无限精度算法有较大误差的情况下， 对文献 1 3 中的定位算法进行改进，提高了定位性能。 ( 4 ) 针对改进的定位算法提出一种韧性( r o b u s t ) 定位算法，以此来提高定位精 度。并用实验仿真了算法性能，结果表明，相对与前两种定位算法，r o b u s t 定位算法在 低信噪比和大的时延估计误差下具有明显的优势。 大连理工大学硕士学位论文 ( 5 ) 对整个定位方案进行仿真实验。仿真结果表明，本文提出的基于r f i d 和定 点数字信号处理器( t m s 3 2 0 d m 6 4 2 ) 的车辆定位算法能够在城区内实现交通目标的搜 索和定位。 本文分为六章，内容安排如下： 第一章对课题的目的及意义、r f i d 、r f i d 定位技术和本文所用的d s p 处理器进行 概述。 第二章在阐述无线定位的相关知识，结合智能交通车辆监管系统特点的基础上，设 计一种在城区实现交通目标搜索与定位的整体解决方案。 第三章研究如何用定点数字信号处理器进行时间延迟估计，通过对l m s t d e 算法 进行插值来估计非整数时延，重点研究定点l m s 自适应时间延迟估计算法的d s p 实现 问题。 在第四章里，本文提出一种新的韧性( r o b u s t ) 定位算法。实验表明这一新的定位 算法在低信噪比下具有良好的定位性能。 第五章对车辆定位算法在高斯和非高斯环境下进行仿真实验，并对结果进行分析。 第六章对全文进行总结与展望。 基于r f i d 与d s p 技术的车辆定位算法研究 2 车辆定位系统的总体方案 2 1无线定位技术的基本原理、算法及定位性能评价指标 定位通常是指确定地球表面某种物体在某一参考坐标系中的位置。目前，可以采用 的定位方法通常有三类：推算定位( d r ，d e a dr e c k o n i n g ) 、接近式定位( p r o x i m i t y ) 和无线电定位，其中无线电定位又分为卫星无线电定位和地面无线电定位f 1 4 1 。本文采用 的r f i d 定位技术属于地面无线电定位。 2 1 1 无线定位技术的基本原理 从几何角度来看，确定目标在二维平面上的位置可以由两个或者两个以上的曲线在 二维平面内相交得到。通过探测器( 移动终端或者基站) 获得信号源到达接收设备( 可 以是基站或者移动终端) 的定位参数或信号量，如信号到达角度( a o a ：a n g l eo f a r r i v a l ) 、到达时间( t o a ：t i m eo f a r r i v a l ) 以及到达时间差( t d o a ：t i m ed i f f e r e n c eo f a r r i v a l ) 等等，并由这些观测量和定位参数构成的曲线交点位置得到信号源的位置估计 【1 5 】。由此也产生了基于信号强度( s i g n a ls t r e n g t h ) 的定位法，基于到达时间的定位法， 基于到达时间差的定位法，基于到达角度的定位法及混合定位法【1 6 , 1 7 , 1 8 】。 本节主要讨论几种常用定位算法的几何模型【1 9 , 2 0 。为方便叙述，本文以下部分将待 定位的目标车辆称为移动台m s ( m o b i l es t a t i o n ) ，将参与定位的基站称为基站b s ( b a s e s t a t i o n ) 。本文采用基于网络的定位系统【1 4 】，所有的定位都是围绕多个固定基站同时检 测移动台发射的信号携带的某种与移动台位置有关的特征信息送到服务基站进行处理， 计算出移动台的估计位置。假定( ，) 为移动台的位置坐标，( t ，咒) 为与移动台相邻的 基站f 的坐标。 ( 1 ) 圆周定位模型 如图2 1 所示，如果知道了移动台和基站f 的直线距离乃，根据几何原理，目标移动 台一定位于以基站f 所在位置为圆心，r j 为半径的圆周上。当已知目标移动台与邻近的 三个基站b s ，、b s 2 和b s 3 的距离吒、r 2 和吩时，那么以三个基站所在的位置为圆心，吒、 ，2 和吩为半径的三个圆的交点即为移动台所在的位置。在实际的无线定位技术中，通过 测量从移动台发出的信号以直线到达基站f 的时间t ( t o a ) ，可以得到移动台与基站f 的距离= c * t l ，其中c 为光速。圆周定位中移动台与基站坐标之间的数学模型如式2 1 所示，其中f - l ，2 ，。 大连理工大学硕士学位论文 求解如式2 1 所示的方程组，可以得到移动台的坐标。 ( 2 ) 双曲线定位模型 图2 1 圆周定位算法 f i g 2 1 c i r c l el o c a t i o n 图2 2 双曲线定位算法 f i g 2 2h y p e r b o l i cl o c a t i o n b s 2 ( 2 1 ) 如图2 2 所示，当基站b s 2 和基站b s ，与移动台的距离差为，i 。2 = 吒一吒时，移动台 必定位于以基站b s ：和基站b s 。为焦点的距离差恒为t 。：的实线双曲线对上。当同时知 暂 朴吩 吣 一 一 一 m m + + + 铲铲 p 而 一 一 一 鳓砌 ，l， ，k k 基于r f i d 与d s p 技术的车辆定位算法研究 道以基站b s 3 和基站b s i 与移动台的距离差吒。3 = 吒一巧时，就可以得到另一组以基站b s 3 和基站b s l 为焦点，且与焦点的距离差恒为。3 的虚线表示的双曲线对，两组双曲线的 交点即为移动台的估计位置。与圆周定位法相似，：可以通过测量从基站b s ：和基站 b s 。同时出发的信号到达移动台的时间差 ，：来确定：，i ，：= c 。：。双曲线定位的数学模型 如式2 2 所示： ( 厄i 丽一厄i 而石订) 2 r , 坫2 ( 厄i 万万万一厄i 万而万) 2 = 石 ( 厄i 而再万一厄i 丽) 2 = 屯 ( 2 2 ) ( 3 ) 角度测量定位模型 角度测量定位方法的几何原理是基站通过测量移动台发送的以直射路径到达基站 的信号角度，从而移动台必定位于该角度所对应的一条直线上，当两个基站b s 。和b s ：同 时测得移动台发出信号的直射路径到达角度后，其相应的两条直线的交点即为移动台所 在位置。 图2 3 方向角定位算法 f i g 2 3 a o al o c a t i o n 大连理工大学硕士学位论文 如图2 3 所示，假设基站b s l 和b s 2 分别测得移动台发出信号的到达角为q 和岛， 则下式成立： m o , ：笪鲁 一m t a i l 岛：立互 y b y 2 ( 2 3 ) 通过对上述非线性方程组的求解即可得到移动台的估计位置。 ( 4 ) 混合定位模型 当特征测量值存在误差时，采用上面的三种基本方法确定的移动台位置也不可避免 地会存在误差，并且对于不同的特征测量值，产生的位置误差的特性是不同的。如果将 上述三种基本方法结合起来将能达到取长补短的效果。另外，若利用单个基站测量的不 同类型的参数就能实现定位，将减少参与定位的基站数，从而大大降低定位系统的复杂 度。混合定位方法就是将上述三种方法相结合实现对移动台位置估计的一类方法。常用 的有t o a a o a 、t d o a o a 、t d o a j t o a 。特别是随着智能天线在第三代移动通信系 统中的使用，采用t o a j a o a 混合定位方法，利用单基站就可实现对移动台的定位，将 成为一种很有竞争力的方法。 通过对上述定位方法特点的分析比较，可以发现角度测量定位方法虽有一定精度， 但要求接收机具有高精度的智能天线阵列，系统设备复杂；t d o a 和t o a 定位法在蜂 窝网络中实现相对容易，也能达到较高精度，因此这两种方法，特别是t d o a 定位法， 受到了更多的重视；混合定位法则能吸收不同定位法的优点，但需要提供不同的信号特 征测量值。 针对t o a r d o a 测量值建立的圆周曲线双曲线方程组是非线性的，求解并不容易。 目前，已经提出了多种具有不同精度和计算复杂性的算法【2 1 ，2 2 ，2 3 1 。 2 1 2c h a n 算法 c h a r t 算法【2 2 】是针对t d o a 定位系统而提出的一种视距传播环境下的最大似然 ( m l ) 估计的近似实现方法，是一种非迭代的方法。在参数误差很小时能达到c - r 下 界。对于二维平面定位来说，当定位的有效基站数为3 时，它与文献 2 4 方法等效；当 定位的有效基站数大于3 时，它通过引入一个中间变量将非线性方程变为线性方程，并 用加权最小二乘法初步估计出目标的位置，然后利用中间变量与目标位置的确定关系， 再次用加权最小二乘法对目标位置进行更为精确的估计。 基于r f i d 与d s p 技术的车辆定位算法研究 设( x ，y ) 为移动台m s 的待估计位置，“，乃) 为第f 个基站接收机的已知位置，则由 2 i 1 节的知识可知m s 和第i 个基站接收机之间的距离为： 2 = ( 薯一功2 + ( m 一力2 ， ( 2 4 ) = k i - 2 x _ i x - 2 y y + x 1 + 矿 其中，k = # + 拜。 令，；。l 表示m s 与基站f 和基站1 的距离差，则 勺= 嵋。 = 巧一吒 ( 2 5 ) = 厄i 再而一瓜i 再砑 其中c 为电磁波在空中传播速度，或1 为t d o a 测量值。 由式2 5 可得 r j 2 = ( i 1 + 1 ) 2 ( 2 6 ) 上式展开为 乃j + 2 1 + q 2 = k - 2 x t x - 2 y ，y + x 2 + y 2 ( 2 7 ) 在i = 1 时，式2 4 为 r 1 2 = 墨- 2 x a x - 2 y l y + x 2 + y 2 ( 2 8 ) 式2 8 减去式2 7 可得 噶+ 2 i 1 吒= k 一2 x j ，i x 一2 乃。l y k ( 2 9 ) 其中，毛，1 = x j 一毛，只，l = 乃一m 。将x ，y ，视为未知数( 这里假定，i 与x 、y 无 关) ，则式2 9 成为线性方程组，求解该方程组便可以得到m s 的坐标位置( x ，) ，) 。 ( 1 ) 3 个基站时的算法 当有效测量基站数m = 3 时，有两个t d o a 测量值，先假定，；为已知，则m s 位置 ( x ，力可由式2 9 按以下形式解出 大连理工大学硕士学位论文 ； = 一 耋：菱： 一 三： 吒+ 三 考二乏：乏 ) c 2 1 。， 其中，k = # + 拜( 汪1 ，2 ，3 ) 。 将式2 1 0 代入式2 4 ，令i = 1 ，得到一个关于 的二次方程，将其正根代回式2 1 0 ， 就得到m s 的估计位置。在某些情况可能有两个正根，这种模糊性可由有关先验信息进 行选择。 ( 2 ) 4 个以上基站时的算法 当有效测量基站数为4 个以上时，该算法能利用网络提供的所有t d o a 测量值并取 得更好的计算结果。此时t d o a 测量值数目多于未知量数目，初始非线性t d o a 方程 组首先转换为线性方程组，采用加权最小二乘( w l s ) 算法得到一初始解，通过利用第 一次得到的估计位置坐标及附加变量等已知的约束条件来进行第二次w l s 估计便能得 到改进的估计位置。令乙= z ；，i r 为未知矢量，其中z p = 胁，y 】r ，从式2 9 中求出的具 有t d o a 噪声的误差矢量为： y = h g 口艺 ( 2 1 1 ) 式中，j ! = 丢 r 2 1 2 一霹一以+ 砰+ 并 儡一一霹+ 奸+ 订 瑶。一矗一无+ 彳+ 订 ，q = 定义无噪声时 的表达形式为 ) o ， 相应的时延误差，c 为电波传播速率， 妒= ! ：+ 寸，可得噪声的误差矢量为： 而，1弘j眨。1 而，l乃，1吩。i x m 。1 y m3 。1 呸，为信号到达基站f ，j 的测量时延差，伤，为 故有西= 砚+ 臻，乃，l = 亿l , l + c n i 1 又由于 = c b n + 0 5 c 2 n o n ( 2 1 2 ) 其中，b = d i a g r 2 0 ，芎，砖 。 式中。代表s c h u r 乘积。当s n k 高时，由广义互相关方法( g c c ) 检测的t d o a 测量值通常为高斯数据，近似服从正态分布，因此噪声矢量刀也近似服从正态分布，便 可算出误差矢量的协方差矩阵。实际环境中，条件吼。妒通常可以满足，因而式2 1 2 中第二项可以忽略，误差矢量缈成为具有以下协方差矩阵的高斯随机矢量： 基于r f i d 与d s p 技术的车辆定位算法研究 甲= e 【y y r 】= c 2 b q b ( 2 1 3 ) 其中q 为t d o a 测量值的协方差矩阵，z 口中吒与式2 4 有关，表明式2 1 1 仍然是以x 和 y 为变量的非线性方程组。 求解该非线性方程组时，首先假定x ，y 和五之间无关，然后通过w l s 算法进行第 一次求解。最终结果可通过将已知关系( ，i 与x ，y 之间关系即式2 4 ) 代入第一次定位 的结果中，再进行一次w l s 计算得出。这两步是对m s 位置的最大似然( m l ) 估计的 近似。 如果假定z 。的元素间相互独立，则z 口的m l 估计为： 乙三蔷端埋- g o z 叫o ) r v h 卅研咆z 口 ( 2 1 4 ) = ( q 甲1 g 口) 。1 q 甲q 该式是式2 1 1 的w l s 解，但因为曰中含有m s 和各基站发射机之间的距离，故v 仍然 是未知量，目前该式还不能解出。为此，需作进一步近似。 当m s 距离很远时，彳( f = 2 ，3 ，m ) 与，- o ( 定义距离) 接近，故b r 8 i 。由于甲的 量纲没有什么影响，式2 1 4 可近似为： 乞( 钟q 。1 g 口) 。1 研q h ( 2 1 5 ) 如果m s 距离较近，利用上式可得到一初始解用于计算召矩阵，第一次w l s 计算 的结果可由式2 1 4 得到。 为进行第二次w l s 计算，需首先计算估计位置乙的协方差矩阵。该矩阵可通过计 算乙的期望值即乞得到。由于q 含有随机量i 1 ，直接计算很困难，该协方差矩阵可 采用扰动方法计算。在有噪声的情况下： 铂= 噶+ 。l ( 2 1 6 ) 且q = 锑+ g 口，h = h o + 幽。 由于噼z = 五o ，式2 1 l 表明： 5 f ，= 幽一q 艺 ( 2 1 7 ) 令z 口= z + 瓴，由式2 1 4 可得： ( q r + 彰) 甲- 1 ( 四+ g 口) ( z + 瓴) = ( q 7 + 研) 甲1 ( | ；i o + 触) ( 2 1 8 ) 大连理工大学硕士学位论文 竺箫篡高曩；r 汜 c o v 也) = 研a = ( q 2 v 4 q ) “ 上述有关毛的计算过程均假定x ，y 和之间是相互独立的，事实上式2 4 表明它们 乙j = p + 岛，毛，2 = ，+ 岛，毛j = r i o + e 3 ( 2 2 0 ) 其中岛，e ：，岛为毛的估计误差。乇的前两个元素减去而，m ，再对各元素求平方可得另一 鼽：= 黟心 ； j 艺嘏讣 这里，定义为毛韵误差矢量。将式22 0 代入式22 1 中得 纠= 2 ( 一一t ) 日+ 砰w2 ( x o 一) q 虻= 2 ( y 0 一m ) 岛+ 2 ( y 。一m ) 岛 ( 2 2 2 ) “= 2 寸岛+ * 2 寸岛 这里的近似只有在误差与，岛，岛较小时才能成立，该过程是对m l 估计的又一近似。的 协方差矩阵： 掣z e 眇妒”】= 4 占 e o v ( z o ) b ( 2 2 3 ) 式中f = 掘g 一置，一咒。寸l 。 由千y 为高斯分布，故也为高斯分布。的m l 估计为： t = ( 眨7 甲”1 r 1 掣甲山h ( 2 2 4 ) 基于r f i d 与d s p 技术的车辆定位算法研究 矩阵甲由于含有m s 的真实位置，因此为一未知量。不过b 能通过使用乙值计算出， 式2 1 9 中的q 可以用g 口近似，式2 1 3 中的b 能用式2 1 5 的计算结果进行近似。如果 m s 处在较远距离，z 口协方差矩阵可以近似表示为： c o v ( z 。) c 2 ( ，o ) 2 ( 僻7 q _ 1 僻) 1 ( 2 2 5 ) 式2 2 4 可简化为： = ( q t t - 1 g 口q 1 g 口b 卜1 g 二) - 1 ( g a r b ”1 g o q - 1 g 口f - 1 g 二) ( 2 2 6 ) 矩阵q 为常量，代z z o乞i 乙i t 后，艺的协方差矩阵为： c o v ( z o ) = ( 砰甲q ) 。1 ( 2 2 7 ) 最终m s 定位计算结果为： = 何+ 嘲或一何+ 嘲 汜2 8 ， 选择位于定位区域内的z p 作为方程组的解。如果乏的某个坐标接近于零，式2 2 8 中的 平方根为虚数，这种情况可将其设为零，定位估计的协方差矩阵可由式2 2 1 中的艺加 上x = p + 气，y = y o + p ，得到： 葺，一( x | 一五) j 22 ( x 。- x 1 ) e 工+ ， ( 2 2 9 ) 乏，2 - ( y o - y 0 2 = 2 ( j ，o 一朔) 勺+ 弓 与x 0 , j ，o 相比巳，巳很小，可省略，e ；，利用式2 1 3 、2 1 9 、2 2 3 和式2 2 8 进行定位估 计，估计值z 。的协方差矩阵为： ( 1 ) - - - - c o 晦) = 4 i _ b ”_ 1c o v ( ) ( 2 3 0 ) 毒c 2 ( q r b ”1 q o r b - 1 q - 1 b 1 q - 1 q 男靠) 1 其中b 。= x 。i 而y 。一0m 。 4 个以上基站的c h a r t 算法可归纳为：远距离m s 的位置可通过式2 。1 5 、2 2 6 和2 2 8 进行估计，定位估计的协方差