【《车辆防碰撞的研究现状的文献综述》9000字】_第1页
【《车辆防碰撞的研究现状的文献综述》9000字】_第2页
【《车辆防碰撞的研究现状的文献综述》9000字】_第3页
【《车辆防碰撞的研究现状的文献综述》9000字】_第4页
【《车辆防碰撞的研究现状的文献综述》9000字】_第5页
已阅读5页,还剩15页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

[13]。图1-19.车辆防碰撞系统图1-20.汽车防碰撞系统原理(1)目标识别雷达对前车和自车的相对位置、相对速度等信息进行预处理后,将处理候选目标信息并对目标进行筛选,筛选出符合要求的跟踪目标,根据各阶段的标准进行多次筛选,最终选出最合适的跟踪目标。毫米波雷达的目标识别流程如图1-21所示。图1-21.毫米波雷达目标识别流程图已存在目标的预测值存储在微控制单元(MicrocontrollerUnit,MCU)存储区,该预测值将与雷达信息预处理的信息进行对比,从而确定相邻周期传回的目标信息是否为同一目标。目标预测值计算公式:式(1-17)在上式,Tr表示雷达的采样周期,单位为s。n表示前一次采样周期,n+1表示当前采样周期,|n表示预测值。雷达采样到的原始目标的值和通过该算法下一步的预测值的比较计算公式:式(1-18)K为门限值。其下标代表对应的变量。如果原始目标信息与比较公式的判定条件相符,那么原始目标信息将会覆盖MCU中相应的存储目标,对追踪标志位进行置位,并创建该跟踪目标。如果原始目标信息与公式的判决条件不相符,则将会在MCU中重新创建该目标所需的存储单元。初步筛选和判断雷达的原始目标信息,将有效的目标存储在MCU以供后续处理。将追踪目标确定为候选目标,需要采取门限法来实现。在不间断的雷达检测周期内,同一原始目标信息连续地将原存储目标覆盖,则此目标是实际存在的车辆的概率极大,即认为其是有效目标。若同一原始目标信息不会连续地将原存储目标覆盖,则认为此目标为空目标或无效目标,将其删除。(2)目标跟踪有效的目标识别算法是目标跟踪的基础,目标跟踪会对目标的速度、加速度和相对位置等信息进行追踪。目标跟踪基本原理如图1-22所示,首先通过雷达等传感器来获得当前目标的测量信息,然后将该测量值将与前一段的测量值进行比较,通过比较结果调整系统的协方差和滤波增益,最后根据调整的增益和更新的协方差通过滤波算法得出目标的最优估计状态,同时根据最优估计值和系统状态计算下一次的协方差滤波增益,从而完成跟踪过程。图1-22.目标跟踪原理图运动目标模型在车辆防碰撞技术的研究中需要建立运动目标模型,利用建立模型来将实际目标运动的情形进行还原,运动目标模型也是目标追踪的基础之一。常用的运动模型包括:CV模型、CA模型、Singer模型和引入了平均加速度的当前统计模型。它们各自的特点见表1-6。表1-6.运动模型卡尔曼滤波跟踪算法卡尔曼滤波跟踪算法是目标跟踪领域中最标准的算法。它对具有干扰的目标数据进行观测,在滤波处理后将会得到目前状态下的最优良的预测结果,再分析目前的目标的运动模型和运动状态,就可以确定目标的最终位置和最终的运动状态。卡尔曼滤波跟踪算法较简单,容易设计,跟踪效果好,而且在跟踪过程中数据也容易处理。卡尔曼滤波算法分为三个方面:滤波器模型的建立、滤波器跟踪步骤、滤波器的初始化。在实际应用中会遇到很多不确定的因素,这些因素会对跟踪系统造成波动,系统内参数会一再的发生变化,这就对算法的优化性造成了很大的影响,降低了目标跟踪的准确度。因此可采用自适应卡尔曼滤波跟踪算法来降低因系统波动而产生的影响。自适应卡尔曼滤波跟踪算法的基本原理是比较观测值与最开始的预测值之间的差距,利用这个差距进行交换,从而自动调节系统内参数的自适应,提高了目标跟踪系统的可靠性和可稳定性。(3)基于制动过程的安全距离模型当驾驶员判断到前方有危险时,驾驶员会在短时间的反应后踩下刹车踏板,开始减速,当制动压力最大时,汽车以最大制动减速度滑行,直至车辆停止。减速度随时间变化如图1-23所示。图1-23.制动过程减速度随时间变化过程t轴表示车辆的制动时间,a轴是制动减速度。t1是驾驶员的反应时间,t2是车辆的制动启动时间,t3阶段制动减速度持续增加,是制动油压增加的时间,t4制动减速度达到最大,为持续制动时间。t1、t2、t3和t4时间内行驶的距离即为两车间的安全距离。当前车与自车之间的距离达到了安全距离临界范围内时,防碰撞系统会向驾驶员发出警告或者启动制动系统。参考文献刘凡,袁伟杰,原进宏,等.雷达通信频谱共享及一体化:综述与展望[J].雷达学报,待出版.doi:10.12000/JR20113.梁兴东,李强,王杰,等.雷达通信一体化技术研究综述[J].信号处理,2020,36(10):1615-1627.DOI:10.16798/j.issn.1003-0530.2020.10.001.刘宁昕,彭来献,徐任晖.智能车队雷达通信一体化系统组网MAC协议[J].军事通信技术,2016,37(4):50-54.刘欣怡.高动态环境下无人机传感器网络组网协议关键技术研究[D].北京:北京邮电大学,2019.MaH,WeiZ,ZhangJ,etal.Three-dimensionalmultipleaccessmethodforjointradarandcommunicationenabledV2Xnetwork[A].//2019IEEEInternationalConferenceonSignal,InformationandDataProcessing(ICSIDP)[C],Chongqing,China:IEEE,2019:1-5.AmirMukhtar,XiaLikun,TongBoonTang.VehicleDetectionTechniquesforCollisionAvoidanceSystems:AReview[J].IEEETransactionsonIntelligentTransportationSystems.16(5).2015,10:2318-2338.LinHu,JianOu,JingHuang,etal.AReviewofResearchonTrafficConflictsBasedonIntelligentVehicles[J].IEEEAccess.8.2020,1:24471-24483.WangJiadai,Liujiajia,NeiKato.NetworkingandCommunicationsinAutonomousDriving:ASurvey[J].IEEEComunicationsSurveysandTutorials.21(2).2019,4:1243-1274.张博文.汽车变道预测及防碰撞预警算法研究.[学位论文].合肥.合肥工业大学:2020.李俨,曹一卿,陈书平.5G与车联网——基于移动通信的车联网技术与智能网联汽车[M].北京:电子工业出版社,2019:89-90.Alin-MihaiCailean,BarthélemyCagneau,LucChassagne,etal.AsurveyontheusageofDSRCandVLCincommunication-basedvehiclesafetyapplications[A].//2014IEEE21stSymposiumonCommunicationsandVehicularTechnologyintheBenelux(SCVT)[C],Delft,Netherlands:IEEE,2014.HussainA.Attia,ShereenIsmail,HalahY.Ali.VehicleSafetyDistanceAlarmingSystem[A].//20165thInternationalConferenceonElectronicDevices,SystemsandApplications(ICEDSA)[C],RasAlKhaimah,UnitedArabEmirates:IEEE,2016.丁亚强.基于毫米波雷达的车辆纵向防碰撞系统研究.[学位论文].江苏.江苏大学:2018.李建东,盛敏.通信网络基础[M].北京:高等教育出版社,2004.刘少华.基于OFDM技术的雷达通信共享信号设计研究[

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论