车载网的新型定位算法

自从人们把解决交通拥塞和交通事故的目标转向车载自组织网以来，车载网已成为国内外研究的热点课题。对高速运动的车载来说，车载网是否具有精确实时的定位能力，成为解决一切问题的基础。Hohman等人利用GPS接收机设计了一个只有2 cm定位误差的导航系统[1]，但他们并没有考虑在一些不能使用GPS的区域，如隧道。张传斌等人则把UKF滤波方法应用到车载导航中[2]，但UKF滤波方法计算量大，难以满足高速公路上实时性要求很高的车载定位跟踪系统。针对以上问题，本文提出了一种计算量小且实时性较高的车载网定位跟踪算法。

1 单基站车载定位跟踪数学模型

1.1单基站方位时差联合（BTO）定位

在单基站车载定位跟踪系统中，发射基站用T表示，接收基站用R表示，只要接收站能收到信息就可以完成对车载的定位和跟踪。如图1所示，发射站T和接收站R是固定设备，它们装载在路边设施(RSU)上并且假设车载相对于路面是零高度行驶。RL是基线，测量其与车载回波方位的夹角?兹R，发射站T发射的信号经过车载最后到达接收站同发射站T发射的信号直接到达接收站的时间差为?驻Tn，多普勒频移为fd[3]。

基线RL可通过测量工具获得其精确值,接收基站上的传感器只需测得车载回波方位角?兹R和发射基站直接到达基站的时间差?驻Tn就能对车载进行定位跟踪。

发射基站与接收基站的距离RL、车载与发射基站的距离RT和车载与接收基站RR的关系为：


3 仿真

为了考察SUKF算法的滤波性能,本次仿真对SUKF、EKF、UKF算法进行仿真比较。由于SUKF算法主要是简化UKF算法，因此本次仿真除了对仿真精度进行比较分析外，还将对各种算法的改进率等进行统合比较分析。

(1) 仿真模型设置

根据车载网的要求，沿道路每隔2 000 m设立一个基站，负责收发车载信号。在车载无线局域网内，若一个基站为发射基站，则与该基站和车载都比较接近的基站为接收基站，车载在行驶时发射基站与接收基站是不断交替变化的。设初始发射基站位置为(2 000 m,0)；初始接收站位置为(0，0)；车载初始位置为(0，2 000 m)；车载行驶速度vx=35 m/s，vy=0 m/s；采样时间间隔T=1 s；系统测量噪声向量为[wt=0.4 ?滋s,w?兹=0.002 rad];车载估计的初始值X0=[100,35,2 050,0]T；协方差初始值P0=diag([22 500,100, 2 500,25])；进行匀速1 000次蒙特卡罗仿真。

(2) 仿真结果分析

从图2可以看出，三种滤波算法估计车载位置，EKF算法的偏差最大，UKF算法和SUKF算法的偏差明显要小。从图3可以明显看出EKF算法的均方差要大大高于UKF算法和SUKF算法，UKF算法与SUKF算法的均方差几乎相等，状态稳定后SUKF算法要比UKF算法的精度略高些。由于三种算法的自适应调节参数的作用，它们的MSE曲线都在第15个采样点附近出现了阶跃拐点，可以认定这个过程为过渡时期，越过过渡时期后，EKF算法的MSE曲线逐渐进入收敛阶段，而UKF和SUKF算法则以比较快的速度进入收敛阶段，并且在均方差稳定后两者的均方差要远小于EKF算法的均方差。

图4为x方向上的定位误差比较图，本仿真假设车载沿x方向行驶。从该图可以看出，使用UKF算法定位,在稳定后能将x方向上的定位误差控制在7.5 m内，而使用SUKF算法定位，在稳定后能将x方向上的定位误差控制在6 m内。实际生活中，这种定位精度能有效避免连续追尾等交通事故。

表1是对三种方法的平均位置MSE和x方向MSE统计的比较，UKF相对EKF分别提高了44.01%和47.44%，SUKF相对EKF分别提高了55.82%和67.35%。表2分别给出了EKF、UKF和SUKF在Matlab上仿真单次运算时间,可以看出，SUKF运算时间比UKF减少了近1/3。所以在车载网的单站定位系统中，使用SUKF能更好地满足系统对精度和实时性的要求。

由仿真实验数据可知：UKF算法与经典的EKF相比，精度提高了1/2；SUKF算法与UKF算法相比，前者在保证了定位精度的同时，还减少了运算量，使仿真时间减少了1/3，具有实际应用价值。