论文部分内容阅读
随着车联网技术的迅速发展,安全驾驶和应急救援等车联网应用需要很高的位置精度,但是传统的GPS(Global Positioning System)和无线定位方法很难满足新的定位需求,所以迫切需要一种高精度方法对车辆进行定位。射频识别(Radio Frequency Identification,简称RFID)技术是车联网的核心技术,可以利用RFID技术对车辆进行定位。基站中的RFID读取器可以读取车牌中RFID标签中的信息,利用RFID读取器和标签之间的信息传播特征参数可以计算出车辆的位置。这种情况下车辆不需要安装车载机,实现起来比较容易。但是在城市道路中密集建筑物的遮挡以及车辆之间的信号干扰,直接导致了信号传输的信噪比下降,降低了车辆的定位精度,而且基站的布局也会影响定位精度。为此本文提出了两种车辆定位方法,分别为基于RFID的双基站车辆定位方法和基于RFID的多基站车辆定位方法,第一种方法适用于基站布置比较密集的环境中,第二种适用于基站布置比较稀疏的环境中。本文的主要工作研究内容如下:(1)设计了一种基于RFID的车辆定位系统,这种系统适用于基站布置比较密集也适用于车辆布置比较稀疏的环境。针对车辆定位系统影响因素和关键问题,本文提出了车辆定位系统的系统框架,然后提出基于RFID的车辆定位系统整体方案。(2)提出了一种基于RFID的双基站车辆定位方法,该方法适用于RFID基站布置比较密集的环境中。随着车辆和基站距离的增大,车辆定位精度下降,为此本文利用卡尔曼滤波不断的优化、更新车辆的位置,最后输出车辆位置的最优值,该算法的输入是值两个连续的基站的固定距离和车辆到基站之间的距离。通过仿真表明该方法有效的降低了定位误差。(3)提出了一种基于RFID的多基站车辆定位方法。该定位方法先利用模糊技术中一种模糊熵原理把多个RFID基站分成三类,然后利用Chan算法分别对车辆进行定位,最后对得到的三个车辆位置进行加权得到车辆的精确位置。该方法可以有效地克服传统Chan算法因为环境噪声和基站分布等因素影响,引起定位精度不高的问题。实验结果表明该方法的定位精度优于传统的Chan算法和基于直接平均的2次定位法,可以满足车联网环境下对机动车定位精度的要求。