一种基于协作和多普勒频移的车辆定位算法

摘要

为提高车辆间自组织网(VANET)中车辆定位的精度,提出了一种基于车辆间协作和多普勒频移的算法(CDCFO),并采用无迹卡尔曼滤波器(UKF)来进行车辆定位.多车辆间相互关联的状态和测量信息,如位置、速度以及专用近程车间通信(DSRC)信号的多普勒频移等,通过协作共享可以被有效融合和处理,来提高对车辆运动状态估计和预测的准确度;UKF直接使用非线性测量方程,因此可以避免扩展卡尔曼滤波器(EKF)在对非线性测量方程进行线性化时忽略高阶项带来的误差.计算机分析和仿真结果表明,相对于常规GPS和CDCFO-EKF算法,提出的CDCFO-UKF算法对车辆目标的位置估计平均误差和均方根误差等定位性能都有较大提高.

关键词