随着社会经济的快速发展,交通拥堵、交通事故、出行率降低等交通问题越来越严重。车联网(Vehicular Ad Hoc Network,VANET)作为智能交通系统的核心构成部分,以信息技术为重要支撑,网络中各要素(人、车、路、云)之间的高速率、低时延通...
详细信息
随着社会经济的快速发展,交通拥堵、交通事故、出行率降低等交通问题越来越严重。车联网(Vehicular Ad Hoc Network,VANET)作为智能交通系统的核心构成部分,以信息技术为重要支撑,网络中各要素(人、车、路、云)之间的高速率、低时延通信和交通态势感知不但可以保障交通安全、提高运输效率,还可以为无人驾驶、交通决策控制奠定坚实基础。车辆与任何事物(Vehicle-to-Everything,V2X)通信是车联网的主要通信方式,其信道不同于传统蜂窝信道,具有工作频段高、天线高度低、车辆移动速度快等特点,通过V2X通信能够为车辆定位提供所需信息,因此对V2X信道模型和车辆定位进行研究很有必要。目前关于V2X信道建模的研究主要集中在市区场景,隧道和高速公路环境下的无线信道建模较少,且大多数隧道场景下的模型没有考虑隧道壁的散射分量。目前采用较多的车辆定位技术是多基站定位技术,但是该方法存在时间同步的问题。对于隧道场景,如果采用该技术还存在基站密集、系统冗余度高的问题。为了解决这些问题,本文对隧道和高速公路场景下V2X信道建模和车辆定位方法展开研究。本文主要研究工作如下:(1)针对V2X无线信号在密集多径传播环境下多径高分辨率参数分离困难这一问题,本文提出了一种基于自回归滑动平均(Autoregressive Moving Average,ARMA)滤波器的空间交替广义期望最大化(Space-Alternating Generalized Expectation-Maximization,SAGE)算法。该算法适用于密集多经环境下的信道参数估计。该方法利用ARMA滤波器对漫散射分量(Diffuse Multipath Component,DMC)进行预处理,结合准最大似然SAGE算法依次迭代估计每条路径的参数和漫散射分量的参数,解决了密集多径环境中信号协方差矩阵秩亏缺造成的多径参数分离困难这一问题。本文通过计算机仿真和实地测量实验两方面对新方法的有效性和性能进行了验证,与传统的SAGE算法、基于自回归(Autoregressive,AR)过程的SAGE算法(AR-SAGE)相比,结果均显示出本文提出的方法在密集多径场景下比传统方法更能准确有效的估计多径参数。(2)针对典型交通场景下车联网技术测试对无线信道特征和模型的需求,分析了隧道和高速公路场景下的大尺度和小尺度信道衰落特征,并建立了车辆与车辆(Vehicleto-Vehicle,V2V)通信时的无线信道模型。首先基于高精度的无线信道测量设备,对隧道和高速公路场景下5.2GHz无线信道进行了测量。根据测量得到的信道数据,建立了路径损耗、阴影衰落、接收信号振幅的分布、莱斯K因子、均方根时延扩展(Root Mean Square-Delay Spread,RMS-DS)、抽头延时线(Tapped Delay Lines,TDL)等模型。另外,本文考虑了直射分量、来自隧道壁的反射分量和散射分量以及来自周围车辆的反射分量建立了一个基于物理光学的隧道场景信道模型。通过实测数据验证了本文提出的模型的有效性。实验结果表明本文提出模型能够准确的描述隧道环境中V2V通信时接收功率的变化。(3)针对现有车联网连通性模型很少同时考虑交通流和小尺度衰落对连通性影响的问题,推导了Weibull和Nakagami-m衰落信道下任意两车之间的连通性概率,建立了不同衰落下的车联网连通性模型。分析了大尺度衰落参数、Weibull衰落参数、Nakagami-m衰落参数、车辆密度、发射功率、信噪比(Signal to Noise Ratio,SNR)阈值、相邻车辆阶次等参数对车联网连通性的影响。(4)针对传统卫星导航定位方法在隧道内难以准确实现车辆定位的问题,提出了一种适用于矩形隧道场景的单基站车辆定位方法。根据隧道的实际结构特点,建立虚拟基站。根据虚拟基站技术,来自隧道壁的单次反射路径可转化为来自虚拟基站的直射路径,这样简化了定位的复杂性。当基站与目标车辆之间为可视距(Line-of-Sight,LOS)传播时,结合直射路径和来自虚拟基站的两个路径的到达时间(Time-of-Arrival,TOA)信息,采用两步加权最小二乘法(Two Step Weighted Least Square,TSWLS)估计目标车辆的位置。当基站与目标车辆之间为非视距(Non Line-of-Sight,NLOS)传播时,根据来自两个虚拟基站的传播路径的TOA和波达方向(Direction-of-Arrival,DOA)信息,采用无迹粒子滤波(Unscented Particle Filter,UPF)算法估计目标车辆的位置。通过仿真验证算法的性能,仿真结果表明本文提出的定位算法可以有效的估计目标车辆的位置,并且具有较高的定位
暂无评论