原文传递
卫星信号受限环境下的列车定位方法研究
| 论文题名： | 卫星信号受限环境下的列车定位方法研究 |
| 关键词： | 轨道交通列车;组合定位;全球定位系统;惯性导航系统;5G-R网络;卫星信号受限环境 |
| 摘要： | 近年来，我国轨道交通得到快速发展，为了确保列车运行的安全，对列车控制系统的要求越来越高，其中实时获取列车位置信息是列车控制系统安全运行的前提。当前，基于卫星导航的列车定位方法受到广泛关注，但其信号容易受遮挡物影响，导致定位精度急速降低。针对该问题，本文提出了两方面的解决方案，一方面在全球定位系统信号良好的情况，基于 GPS/INS 组合定位获取列车位置信息，引入循环神经网络，利用其对时间序列的良好处理能力进行训练学习预测；另一方面是引入5G网络作为GPS网络的补充，借助于其大带宽、多天线阵列等特性，研究基于时延和角度测量参数的列车定位方法。本文的主要工作如下： 1）提出一种基于 CNN-BiLSTM-Attention 的列车位置信息预测方法。针对列车运动轨迹具有时间性和空间性的特点，引入循环神经网络，并在此基础上使用卷积神经网络和注意力机制，更好地关注有效的位置特征，提高模型的预测精度。首先将预处理后的数据输入卷积神经网络中，以此来捕捉列车运动轨迹数据间的空间相关性；其次使用双向长短时记忆网络来获取数据间的时间相关性；最后通过注意力机制来分配权重，突出重要特征，以实现更好的预测性能。实验结果表明，本文所提出的模型提高了卫星信号受限环境下的列车定位精度。 2）针对铁路沿线 5G-R 网络覆盖的非隧道区域，在密集多径环境下提出多种消除同步误差的单基站混合到达时间/离开角度/到达角度定位方法。在单跳散射环境下，提出了四种线性最小二乘、一种二次规划和基于数据融合的定位算法来消除同步误差的影响。仿真结果表明，所提出的算法能够有效的处理同步误差，基于LLS的定位算法表现出更好的定位精度。在混合和多跳散射环境下，提出了一种新的双重识别算法来识别多跳路径。与现有的统计邻近检验和Kmeans算法相比，双重识别算法能够正确识别多跳路径，使用均方根误差对比进一步证明了该算法的有效性。 3）针对铁路沿线 5G-R 网络覆盖的隧道区域，提出一种融合列车编组长度的TDOA列车定位跟踪方法。该方法通过列车车头和车尾的接收机获得的TOA参数估计相减消除了同步误差的影响，建立TDOA的列车定位跟踪模型，采用现有的滤波方法进行定位跟踪。仿真结果表明该定位模型在仅使用一个基站进行定位也能得到较好的定位精度。 |
| 作者： | 李敏 |
| 专业： | 计算机科学与技术 |
| 导师： | 吴仕勋 |
| 授予学位： | 硕士 |
| 授予学位单位： | 重庆交通大学 |
| 学位年度： | 2023 |
检索历史
应用推荐
