【摘 要】
：
高速列车是我国人民出行、物资运输的重要交通工具之一,为保证列车调度系统的正常工作,列车运行时的位置信息至关重要。目前我国高速列车通过轨道电路和应答器相结合来实现列车定位,这种方式不仅耗材耗力,而且存在应答器被恶劣天气损坏,导致重大事故的风险。全球导航卫星系统（Global Navigation Satellite System,GNSS）能够提供大范围、全天候和高可靠的位置服务,但是将其运用在高速
论文部分内容阅读
高速列车是我国人民出行、物资运输的重要交通工具之一,为保证列车调度系统的正常工作,列车运行时的位置信息至关重要。目前我国高速列车通过轨道电路和应答器相结合来实现列车定位,这种方式不仅耗材耗力,而且存在应答器被恶劣天气损坏,导致重大事故的风险。全球导航卫星系统（Global Navigation Satellite System,GNSS）能够提供大范围、全天候和高可靠的位置服务,但是将其运用在高速列车定位中的问题是:一方面GNSS的定位精度无法满足相关规定的要求,另一方面GNSS信号在遭到遮挡时会导致定位服务不可用。针对上述问题,本文提出了一种基于双模卫星的高速列车多源融合定位方案,一方面通过引入惯性测量单元（Inertial Measurement Unit,IMU）进行传感器融合来提升系统的定位精度,另一方面通过引入线性调频（Chirp Spread Spectrum,CSS）信号在无GNSS信号时进行定位,最终实现环境多变条件下的列车位置精准、可靠估计。本系统在架构上分为前端和后端两部分,前端负责处理传感器数据,通过对GNSS进行双差分定位解算获取高精度位置信息,通过对CSS进行到达时间差（Time Difference Of Arrival,TDo A）解算获取测距信息,通过对IMU进行预积分获取姿态估计信息;后端负责估计列车状态,通过滑动窗口法处理前端输出的传感器信息,并使用非线性优化法获取当前位置的最优估计。基于以上方案,本文对列车运行的各种场景进行了测试,实验结果表明,在GNSS部分遮挡的条件下进行实际行驶测试,当没有部署CSS基站时,系统定位平均误差为2.23米,当在GNSS信号弱路段部署CSS基站时,系统定位平均误差为0.79米。
其他文献
空天海地一体化信息网络建设对高速水声通信需求迫切。现有水声通信技术受制于传输距离×数据速率≤100 km·bps的性能瓶颈,远不能满足应用需求,高速水声通信理论与方法亟待发展。差分正交频分复用（Orthogonal Frequency Division Multiplexing,OFDM）技术因能有效避免对信道信息的强依赖性,从而大幅减少信道估计占用的时频资源,为破解上述速率瓶颈提供了极具潜力的解
减阻降噪作为近年来的热点问题之一,在水下航行器的研制过程中显得尤为重要。水下航行器上的凸出结构在其运动时,会产生钝体绕流,这不仅会增加其航行时的阻力,同时也会产生流噪声,不但限制了水下航行器的速度,也降低了其隐蔽性。因此,如何有效的减小阻力、控制噪声便成为一个研究热点。首先,本文以三维翼型圆柱绕流为基础,基于Lighthill声类比和大涡模拟验证了本文初始模型数值模拟方法的正确性。通过划分三套流场
海洋是人类生存与发展的重要战略空间,成为世界各国竞争的主战场。作为探索海洋的利器,潜航器广泛应用于海洋资源开发、海底地貌勘探和水下军事对抗等海洋活动。为实现潜航器安全航行与自主探测,路径规划至关重要。然而,相较于地面环境,在复杂恶劣的水下为潜航器规划安全路径极为挑战,其中最突出的是水流对路径规划影响重大。具体而言,水流不仅阻碍潜航器运动,还会促使水下障碍物移动。为此,本文致力于设计适配水下环境特性
用户接入设备和网络流量的快速增长给运营商带来了极大压力。为了满足用户需求多样化,网络切片（Network Slicing,NS）技术应运而生。相较于传统网络只能满足单一业务需求,网络切片允许在一个物理网络中搭建多个子逻辑网络来满足不同业务的需求,这多个子逻辑网络间的资源分配与管理问题是网络切片中的难点。本文提出了基于深度强化学习（Deep Reinforcement Learning,DRL）的网
随着“双碳”目标的提出和可再生能源比例的不断提升，能源行业在实现清洁能源消纳方面面临着诸多挑战，尤其是电力波动性问题的加剧。构建氢能源体系被认为是解决这些难题的有效路径之一。本文围绕着新型能源结构下的消纳措施，研究了适用于可再生能源基地发电并网场景的大规模电氢协同系统，并提出了集风-光-储-氢-氨一体化思路，旨在实现高比例清洁能源消纳及电-氢-氨系统的高效耦合。
近些年来,随着人工智能的快速发展,深度学习（Deep Learning）中的计算机视觉（Computer Vision,CV）,自然语言处理（Natural Language Processing,NLP）等领域发展迅速,一些深度学习模型在目标检测,图像分割,推荐系统等方面具有强大的应用能力。在带来重大的社会经济效益的同时,大量研究表明,深度学习容易受到对抗样本（Adversarial Examp
大规模多输入多输出（Multi-Input Multi-Output,MIMO）技术的应用极大地提高了移动通信系统的系统容量、频谱利用率和能量效率。通过信道估计和预测等方式,大规模MIMO系统可以获得实时信道状态信息,并在此基础上设计基站端的预编码矩阵。预编码可以有效削弱多用户干扰（Multi-user Interference,MUI）和噪声的影响,从而发挥大规模MIMO的优势。现有研究通常采用
验电是保障电力作业安全的重要操作,目前对验电设备的研究分为接触式验电和非接触式验电。随着带电设备电压等级的提高,非接触式验电技术因其安全性高得到了广泛研究和推广。在当前的非接触式验电研究中,一方面,验电设备不能适用于不同电压等级的验电操作,通用性差;另一方面,通过建立蓝牙连接完成通信需要提前知道设备的MAC地址,灵活性低且不易拓展。此外,只有一个电压测量点的设计还存在有漏判的风险,且未考虑低功耗的