基于數(shù)據(jù)庫相關(guān)算法的位置指紋定位技術(shù)

《基于數(shù)據(jù)庫相關(guān)算法的位置指紋定位技術(shù)》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、2012年3月鐵道通信信號March2012第48卷第3期RAILWAYSIGNALLING＆COMMUNICATIONVol.48No.3通信·信息技術(shù)基于數(shù)據(jù)庫相關(guān)算法的位置指紋定位技術(shù)*任睿摘要:基于Matlab搭建了仿真平臺，仿真實現(xiàn)了指紋數(shù)據(jù)采集、數(shù)據(jù)庫建立、匹配定位等定位系統(tǒng)功能模塊。運用最近鄰、K近鄰以及K加權(quán)近鄰算法在GSM-R環(huán)境中進行了對比測試，比較分析幾種方法的定位效果;通過修改GSM-R網(wǎng)絡(luò)參數(shù)、指紋大小等因素，比較各算法在不同環(huán)境中的定位性能。關(guān)鍵詞:數(shù)據(jù)庫相關(guān)算法;最近鄰

2、法;K近鄰法;加權(quán)K近鄰法Abstract:TheMatlab-basedsimulationplatformaresetuptorealizefingerprintdatacollection，data-basecreation，matchingpositioningandsoon．Comparisontestsarealsomadeamongthenearestneigh-boralgorithm，Knearestneighboralgorithm，andweightedKnearestneig

3、hboralgorithmtoanalyzetheirpositioningeffectsinGSM-Rnetworks．ThroughrevisingGSM-Rnetworkparameters，thesizeoffinger-print，andsoonfactors，thepositioningperformanceofeachalgorithmarecompared．Keywords:Databasecorrelationmethod;NN(NearestNeighborhood);KNN;W

4、KNN在軌道交通列車行車安全中，列車定位是一項線2個階段。關(guān)鍵的技術(shù)。實時精確確定列車在線路的位置是保1．離線階段。首先在一定范圍內(nèi)選擇足夠多證安全、發(fā)揮效率、提高服務(wù)質(zhì)量的前提。最佳定的位置，對每個位置測量其能接收到的各個基站的位技術(shù)應(yīng)該能在任何時間、任何位置按要求確定列信號強度，和該位置的二維地理坐標。把采集到的車的當前位置。目前應(yīng)用于列車的定位技術(shù)有地面數(shù)據(jù)存放到一個數(shù)據(jù)庫里供后期定位使用，這些選設(shè)備定位、無線通信定位和衛(wèi)星定位，而基于數(shù)據(jù)定的位置被稱作指紋。在實際選取指紋的過程中，庫相關(guān)(D

5、CM)算法的位置指紋定位技術(shù)屬于無指紋不是直接選取的位置，而是以一種滑動窗口的線通信定位。模式選定。位置指紋定位技術(shù)在非視距傳播環(huán)境下的表現(xiàn)如圖1所示，直線為公路，小圓點是實際測試非常好，其他無線定位算法(到達時間差、到達的位置。在每個小圓點測量其對于能接收到信號的角等)受多徑環(huán)境影響嚴重，而位置指紋定位恰各個基站的信號強度。圖1總共在公路上測試了恰利用了多徑效應(yīng)，可以在非視距環(huán)境下準確定位，適合于環(huán)境復雜地區(qū)的定位。而且定位算法本身不需要額外的硬件支持，依靠已經(jīng)建好的無線網(wǎng)絡(luò)，只需要接收機能夠反饋

6、接受信號強度等信息，所以位置指紋定位的技術(shù)成本較低，可以較快投入應(yīng)用。目前對于指紋定位算法的研究大多在室內(nèi)環(huán)境和GSM環(huán)境下，缺少GSM-R網(wǎng)絡(luò)下位置指紋定位性能相關(guān)方圖1指紋采集過程面的研究。15個位置，然后用一個滑動窗口取指紋，取法為1基于DCM的位置指紋定位技術(shù)每10個小圓點對于每個基站的接收信號強度分別1.1位置指紋算法取平均，得到需要的指紋如圖中大圓點，其位置為基于DCM的位置指紋算法主要分為離線和在所取10個小圓點的平均位置，然后窗口向后滑動至第6個小圓點繼續(xù)取指紋2。*鐵道第三勘察設(shè)計

7、院集團有限公司助理工程師，300251天津收稿日期:2011-10-21—49—鐵道通信信號2012年第48卷第3期—50—RAILWAYSIGNALLING＆COMMUNICATIONVol.48No.32012按照圖3在Matlab中搭建鐵路沿線的仿真環(huán)境。增大而增大，在指紋間距為50m和150m時定位按照圖1的滑動窗口模式建立指紋數(shù)據(jù)庫。誤差在95%概率下分別小于100m和140m。同時表1GSM-R仿真參數(shù)設(shè)定可以看出，定位誤差并不是和指紋間距同比例增仿真參數(shù)設(shè)定值大，所以在要求不高的前提下

8、可以適當增大指紋間f(頻段大小)900MHz距，以減少離線準備工作。cht(發(fā)射天線高度)35mhr(移動終端高度)4.5md(移動終端與發(fā)射天線之間距離)0.05～5kmn1(信道損耗因子)3.50(V＜200km/h);1(200km/h＜V＜300δ1(速度修正因子)km/h);2(V＞300km/h)－5(郊區(qū));－20(平原);δ2(地形修正因子)15(山嶺);0(隧道)服從均值為0方差為2的δ3(隨機噪聲生成)正態(tài)分布列車車廂損耗15dB2km(山嶺)2.