论文部分内容阅读
智能交通系统(ITS)是21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(RFID)原理、无线定位知识和DSP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LMS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(TOA),然后利用Chan算法对车辆进行定位。分析了Chan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Chan算法进行改进,并根据改进的定位算法,提出了韧性(Robust)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Chan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TMS320DM642在有限精度下实现无限精度的LMS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LMSTDE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PC(CPU:2.2GHz,内存:2G)上用VC++编程实现300次时延估计,最快需要7060毫秒,而在DSP(TMS320DM642:CPU600MHz)上运行只需要114.688毫秒,比PC机快60多倍。(3)在用定点TMS320DM642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Chan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(Robust)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SNR=-5dB时,韧性定位算法的定位误差约为10米,而Chan算法的定位误差约是18米。当信噪比下降到-25dB时,Chan算法的定位误差增加到139.1173米,此时,韧性定位算法的定位误差是71.2950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Chan算法的优势越来越明显。这也说明,Robust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FRID和定点数字信号处理器(TMS320DM642)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。