基于5G与车载传感器的车辆组合导航系统研究
多传感器融合的智能车定位导航系统设计
多传感器融合的智能车定位导航系统设计
随着智能车技术的快速发展，多传感器融合的智能车定位导航系统在智能交通系统中起着至关重要的作用。
本文将介绍一个基于多传感器融合的智能车定位导航系统的设计。
智能车定位导航系统主要包括以下几个组成部分：传感器模块、数据预处理模块、定位模块和导航模块。
传感器模块是系统的核心部分，包含多种传感器，如惯导传感器、GPS定位传感器、视觉传感器等。
这些传感器用于收集车辆的位置、姿态、速度等信息，为后续的数据处理提供原始数据。
数据预处理模块对传感器数据进行预处理和滤波，以去除噪声和异常数据，提高定位和导航的准确性。
常用的数据处理技术包括卡尔曼滤波、粒子滤波等。
定位模块根据传感器数据对车辆的位置和姿态进行估计。
不同传感器的数据具有不同的精度和误差特性，因此需要将多传感器的数据融合起来，得到更准确的定位结果。
常用的数据融合算法包括扩展卡尔曼滤波、累积滑动窗口等。
导航模块根据车辆的位置和目标位置，规划车辆的行驶路径，并提供导航指引。
导航算法可以基于地图数据或者视觉信息进行，可以考虑交通状况、车辆能耗等因素，为车辆提供最优的导航路径。
在智能车定位导航系统设计中，还需要考虑数据通信和系统的实时性。
传感器数据的采集和处理需要在实时性要求下进行，因此系统的硬件和软件架构需要进行优化，以保证系统的稳定性和可靠性。
多传感器融合的智能车定位导航系统是智能交通系统中重要的组成部分。
通过合理设计和优化，可以提高车辆的定位和导航准确性，提高交通的安全性和效率。
多传感器融合的智能车定位导航系统设计
多传感器融合的智能车定位导航系统设计随着人工智能和自动驾驶技术的不断发展，智能车的定位导航系统成为了自动驾驶系统中至关重要的一部分。
传统的GPS定位技术在城市峡谷、高楼大厦或者隧道等特殊场景下存在定位误差大的问题，因此为了提高定位精度和鲁棒性，多传感器融合的智能车定位导航系统应运而生。
多传感器融合的智能车定位导航系统是利用车载多传感器信息，如GPS、惯性导航系统（INS）、毫米波雷达、摄像头等，通过融合处理技术，实现对自身位置的精准定位和对环境信息的全景感知，从而为智能车提供可靠的定位导航服务。
本文将着重介绍多传感器融合的智能车定位导航系统设计的关键技术和挑战。
1. 传感器选择和布局多传感器融合的智能车定位导航系统需要选择适合车辆定位导航的多种传感器，并合理布局安装在车辆上。
GPS技术可以提供全球定位信息，但在特定场景下容易受到遮挡和干扰，因此需要搭配惯性导航系统（INS）来提供高精度的姿态和加速度信息。
而毫米波雷达和摄像头则可以为智能车提供周围环境的障碍物检测和图像识别信息。
合理选择和布局这些传感器可以提高车辆的定位精度和环境感知能力。
2. 数据融合算法在多传感器融合的智能车定位导航系统中，数据融合算法是至关重要的一环。
数据融合算法可以将不同传感器获取的信息进行融合处理，提高车辆的定位精度和鲁棒性。
常见的数据融合算法包括卡尔曼滤波、粒子滤波和扩展卡尔曼滤波等。
这些算法可以根据不同的传感器信息特点进行参数优化和模型训练，从而实现对车辆位置和环境信息的准确估计和预测。
3. 定位导航算法除了数据融合算法，定位导航算法也是多传感器融合的智能车定位导航系统中的关键技术。
定位导航算法可以利用融合处理后的传感器数据，实现对车辆位置的精准估计和路径规划。
常见的定位导航算法包括激光SLAM（Simultaneous Localization and Mapping）算法、视觉SLAM算法和基于深度学习的定位导航算法等。
基于5G技术的智慧交通系统研究
基于5G技术的智慧交通系统研究一、绪论随着人口增长和城市化进程的加速，城市交通问题逐渐成为人们日常生活中面临的一个严峻问题。
而当代的5G技术作为一种高速低延迟、高密度连接的技术，被认为是可以缓解城市交通问题的有效手段。
因此，本文将探讨基于5G技术的智慧交通系统研究。
二、基于5G技术的智慧交通系统的优势1.高速低延迟5G技术作为一种高速低延迟的技术，可以让交通系统各部分的信息交换更加迅速。
在交通中，这种高速宽带和低延迟带来的好处是显而易见的。
例如，在识别车辆牌照等领域，5G技术能够大大提高识别的准确率，同时使车辆行驶时遇到的信号延迟更少，从而使交通过程更加流畅。
2.高密度连接5G技术的高密度连接是指在相同的时间和空间内，可以同时支持更多的设备和用户进行连接。
这对于交通系统来说，尤其是当面临大量交通信息需要处理时非常重要。
例如，人们可以直接通过连接到5G网络来获取当前路线拥堵情况等信息，从而更加准确地做出行车决策。
3.增强的安全性在交通方面，5G技术可以大大提高车辆和人员的安全性。
例如，智能传感器和GPS系统的结合。
这些设备使用5G技术进行连接，能够更加精确的监测车流并预测可能的问题。
此外，5G技术的高速宽带和低延迟特性也可以帮助交通设备迅速响应可能的问题，大大加强了整个交通系统的安全性。
三、基于5G技术的智慧交通系统的解决方案1.智能交通信号控制5G技术的高速宽带和低延迟属性可以对交通信号控制实时性进行有效加强，以满足不同场景的要求。
例如，在交通中出现特殊情况时，系统可以快速调整红绿灯的开放时间，以实时调节交通流量。
2.智能快递配送配送车辆是否顺畅运转，直接关系到快递业服务质量和效率，5G技术可以将配送车辆实时位置和交通信息进行联动，从而提升配送的效率和准确性，通过快递车辆的实时动态追踪将快递物流信息进行实时共享和分析。
3.智能停车管理基于5G技术的智能停车系统可以准确获取和分类不同种类的车辆，分析进出车流，给车主提供实时的空车位信息以及让车主知晓车位准确位置的服务，从而大大缩短了车主的找车时间和道路拥堵情况，提升了智能停车管理的效率和准确性。
多传感器融合的智能车定位导航系统设计
多传感器融合的智能车定位导航系统设计【摘要】本文主要介绍了一种基于多传感器融合的智能车定位导航系统设计。
文章从研究背景、研究意义和研究目的三个方面进行了引言。
接着，详细讨论了传感器选择与布局方案、多传感器融合算法设计、系统硬件设计、系统软件设计以及实验验证与结果分析等内容。
通过采用多传感器融合算法，该系统能够实现更加准确和稳定的定位导航功能。
结论部分总结了研究成果，并展望了未来的发展方向和技术应用前景。
该系统的设计不仅在智能车领域具有重要的应用意义，还对其他领域的传感器融合技术研究具有借鉴意义。
【关键词】多传感器融合、智能车、定位导航系统、传感器选择、布局方案、算法设计、硬件设计、软件设计、实验验证、结果分析、研究成果、未来展望、技术应用。
1. 引言1.1 研究背景智能车定位导航系统是目前智能交通领域中的一个重要研究方向，随着人工智能和自动驾驶技术的不断发展，智能车定位导航系统已经成为实现自动驾驶的重要基础。
传统的车载定位导航系统主要依靠GPS等传感器进行定位，但在城市峡谷效应、隧道、室内场景等特殊环境下，GPS信号可能会受到干扰，导致定位精度下降甚至失效。
为了克服这些问题，多传感器融合技术成为了提高定位导航系统鲁棒性和精度的关键。
多传感器融合技术通过同时利用多种传感器的信息来提高系统的性能和鲁棒性，比如结合惯性传感器、视觉传感器、激光雷达等传感器，可以获得更全面、更准确的定位信息。
研究基于多传感器融合的智能车定位导航系统具有重要的理论意义和实际应用价值。
本文旨在通过选择合适的传感器、设计有效的融合算法，构建一个高精度、高鲁棒性的智能车定位导航系统，为智能交通领域的发展做出贡献。
1.2 研究意义智能车定位导航系统是当今智能交通领域的重要研究方向之一。
随着人们生活水平的不断提高和交通工具的普及，对车辆导航系统的需求也越来越大。
传统的GPS导航系统虽然在室外环境下有较高的定位准确性，但在室内、高层建筑和密集城市等复杂环境下的定位精度往往无法满足实际需求。
多传感器信息融合在车载组合导航系统中的应用研究的开题报告
多传感器信息融合在车载组合导航系统中的应用研究的开题报告一、研究背景及意义随着日益增长的车辆保有量以及交通拥堵的普遍存在，对于车辆导航系统的需求也日益增加。
而随着技术的进步，车载组合导航系统的开发逐步成为了当前车辆导航领域的热点问题。
在车载组合导航系统的实现中，多传感器信息融合技术可以为车辆导航系统的实现提供道路地图、车辆位置等重要信息。
多传感器信息融合技术通过融合多种传感器获取的信息，可以提高车辆导航系统的精度和可靠性。
在车载组合导航系统中，GPS、惯性测量单元（IMU）、车辆传感器和视觉传感器等多种传感器可以被用于数据采集和信息融合。
因此，研究多传感器信息融合在车载组合导航系统中的应用具有重要的意义。
本研究旨在为车载组合导航系统的实现提供一种可靠的、高效的多传感器信息融合方案，从而提高车辆导航系统的精度和可靠性。
二、研究内容及步骤1. 研究车载组合导航系统的基本原理，分析其各个组成部分的作用和相互关系。
2. 研究多传感器信息融合技术的基本原理，包括传感器信息的获取、数据处理和信息融合等方面的内容。
3. 通过对多传感器信息融合在车载组合导航系统中的应用进行研究，探讨各种传感器的信息融合方法，以及多传感器信息融合对车载组合导航系统精度及可靠性的影响。
4. 基于以上研究内容，结合实际车辆导航系统的应用，设计并实现一种可靠的、高效的多传感器信息融合方案。
5. 在实际道路场景中，对多传感器信息融合在车载组合导航系统中的应用进行测试和验证，评估其精度、可靠性和实用性。
三、研究预期成果与创新点1. 提出一种基于多传感器信息融合的车载组合导航系统方案，该方案可提高车辆导航系统的精度和可靠性。
2. 设计和实现该方案，并在实际道路场景中进行测试和验证，评估其精度、可靠性和实用性。
3. 探讨不同传感器信息融合方法的优缺点，提供一种可靠的、高效的多传感器信息融合解决方案。
4. 为车辆导航领域的研究和应用提供借鉴和参考。
《基于多传感器数据融合智能导航车的算法研究》范文
《基于多传感器数据融合智能导航车的算法研究》篇一一、引言随着人工智能与物联网的不断发展，自动驾驶技术成为了现代汽车工程和人工智能领域的重要研究方向。
智能导航车是自动驾驶技术的重要组成部分，其算法研究涉及多个领域，包括传感器技术、计算机视觉、机器学习等。
本文将针对基于多传感器数据融合的智能导航车算法进行研究，旨在提高导航车的定位精度和导航稳定性。
二、多传感器数据融合技术多传感器数据融合是一种将来自不同传感器或不同信息源的数据进行综合处理，以获得更准确、更全面的信息的技术。
在智能导航车的算法研究中，多传感器数据融合技术被广泛应用于提高定位精度和导航稳定性。
常见的传感器包括雷达、激光雷达（LiDAR）、摄像头、惯性测量单元（IMU）等。
这些传感器可以提供关于车辆周围环境、车辆状态等信息。
通过多传感器数据融合，可以将这些信息进行有效整合，从而提高导航车的定位精度和导航稳定性。
三、算法研究1. 数据采集与预处理在智能导航车的算法研究中，首先需要进行数据采集与预处理。
通过传感器采集车辆周围环境、车辆状态等信息，并进行数据清洗、去噪等预处理操作，以保证数据的准确性和可靠性。
2. 传感器数据融合传感器数据融合是智能导航车算法研究的核心部分。
通过将不同传感器的数据进行融合，可以获得更准确、更全面的信息。
常见的传感器数据融合方法包括加权平均法、卡尔曼滤波法等。
其中，卡尔曼滤波法是一种常用的递归滤波算法，可以有效地估计系统状态并预测未来状态。
3. 路径规划与控制在获得准确的定位信息和环境信息后，需要进行路径规划和控制。
路径规划是指根据当前位置和目标位置，规划出一条最优路径。
控制则是根据规划的路径和车辆状态信息，控制车辆的行驶速度和方向。
四、实验与分析为了验证基于多传感器数据融合的智能导航车算法的有效性，我们进行了实验分析。
实验结果表明，通过多传感器数据融合技术，可以有效地提高智能导航车的定位精度和导航稳定性。
具体来说，与单一传感器相比，多传感器数据融合可以更准确地感知车辆周围环境，更精确地估计车辆位置和姿态，从而提高导航精度和稳定性。
基于5G通信技术下的新一代智能交通系统
基于5G通信技术下的新一代智能交通系统随着科技的不断进步，5G通信技术越来越受到人们重视。
在这个信息传递日益快速的时代，5G通信技术不仅可以改变人们的生活，还能够为各行各业提供更多的便利和创新，尤其是在智能交通领域。
基于5G通信技术的新一代智能交通系统，不仅可以有效地改善交通拥堵问题，还能提高交通安全、降低交通污染等多方面的问题。
本文将从以下四个方面着手，对基于5G通信技术下的新一代智能交通系统进行探讨。
一、车辆与车辆之间的通信基于5G通信技术下的新一代智能交通系统，通过车辆与车辆之间的通信，可以实现实时的信息交流与互助。
例如，在车流量较大的路段上，如果行驶车辆之间能够及时传递交通信息，如缓行或事故等情况，后续车辆就可以及时调整行驶速度避免拥堵，实现交通畅通。
同时，通过车辆与道路之间的通信，可以实现车辆与红绿灯之间的联动，提高行车效率，同时实现能源的节约和环境的保护。
二、智能交通管理平台的建设基于5G通信技术下的新一代智能交通系统，需要建立一个智能交通管理平台来对交通信息进行收集、统计、分析和管理。
这个平台可以通过大数据、云计算等技术，对实时交通信息进行监控和预测，提供实时交通状况和最优行车路线，帮助司机快速准确地选择行车路线，避免拥堵和延误。
同时，交通管理部门也可以通过这个平台，及时了解交通状况，进行科学规划和预警，提高交通安全和减少交通事故的发生。
三、智能交通设施的建设基于5G通信技术下的新一代智能交通系统，需要建设一系列智能交通设施，如高清晰度摄像头、智能车道、车载传感器等，实现对车辆的实时监测与管理。
例如，高清晰度摄像头可以有效监测车辆的违法行为和交通事故，智能车道可以提高车流量和行车效率，车载传感器可以及时掌握车辆的位置和状态。
这些智能交通设施的建设不仅可以提高行车安全，还能帮助智能交通管理平台更加全面和准确地进行交通信息的管理和掌握。
四、车联网的普及基于5G通信技术下的新一代智能交通系统，可以通过车联网实现车辆之间、车辆和道路之间及车辆和用户之间信息的交流。
基于5G通信技术的智能网联汽车系统研究
基于5G通信技术的智能网联汽车系统研究随着技术的不断进步，汽车行业也在不断的变化和创新中前进，特别是近年来人工智能、物联网、大数据等技术的不断发展，加速了智能汽车的发展与应用。
而随着5G通信技术的逐渐普及和应用，5G智能网联汽车系统也成为了汽车行业的热门话题之一。
本文将探讨基于5G通信技术的智能网联汽车系统的研究和发展现状。
一、5G通信技术的优势5G通信技术是近几年来最热门的技术之一，它不仅仅是一种通信技术的进步，还是一种技术的变革。
5G通信技术的优势有以下几点：1、更高的传输速度。
5G通信技术拥有更高的传输速度，可以实现更快的数据传输和响应速度，对于智能网联汽车系统而言，这就意味着更及时的数据传输和响应，可以提高系统的准确性和稳定性。
2、更低的时延。
5G通信技术拥有更低的时延，可以实现更快的响应速度，对于智能网联汽车系统而言，这就意味着更及时的数据传输和响应，可以提高驾驶安全性和效率。
3、更大的带宽。
5G通信技术拥有更大的带宽，可以支持更多的终端设备，对于智能网联汽车系统而言，这就意味着更多的数据传输和处理能力，可以提高系统的效率和性能。
二、智能网联汽车系统的发展现状智能网联汽车系统是指通过智能化的传感器、控制单元和通信技术，将汽车与外部环境进行无缝连接，实现车与车、车与路、车与云的数据传输和交互，从而实现智能、安全和高效的驾驶体验。
智能网联汽车系统可以分为以下几个层次：1、车辆到车辆通信（V2V）。
车辆到车辆通信是指在车辆之间建立起临时的通信网络，将车辆的位置、速度、行驶方向等信息进行实时交换，从而提高驾驶的安全性和效率。
2、车辆到路边设施通信（V2I）。
车辆到路边设施通信是指利用路边设施（如交通信号灯、电子警察等）和车辆之间进行通信，实现路况信息的传输和交互，从而提高驾驶的安全性和舒适度。
3、车辆到云端服务通信（V2C）。
车辆到云端服务通信是指将车辆的数据信息上传到云端进行处理和分析，通过互联网返回相应的控制指令，从而提高驾驶的智能性和便捷性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Vehicle Positioning, 5G, Vehicle Sensors, Integrated Navigation
Copyright © 2020 by author(s) and Hans Publishers Inc. This work is licensed under the Creative Commons Attribution International License (CC BY 4.0). /licenses/by/4.0/
di = ( xi − x)2 + ( yi − y)2
(3)
TDOA 通过计算两基站到移动台的时间差，从而计算出两基站到移动台的距离差，基站 BS1 和到其
他基站 BSi (i ≠ 1)的距离差可以由下面的公式求得：
di,1 =di − d1 = ( xi − x)2 + ( yi − y)2 − ( x1 − x)2 + ( y1 − y)2
采集的汽车速度信息 v 以及通过方向盘角度传感器采集的角度信息 θ ，可以利用位置速度关系，得出每
个时刻的位置从而进行导航。
汽车行驶轨迹导航需要考虑汽车运行过程种的速度、航向角，以及汽车进入 GNSS 信号盲区前一个
时刻的位置，这个位置将被作为初始位置。通过测量汽车移动过程中的方向盘航向角变化值及汽车运动
(4)
当基站数量大于 3 时，通过上式联立方程组求解可以得到待测移动台位置坐标。
3.2. 组合导航系统
车载自主导航的角度 θi 和速度信息 vi 精度决定了车辆轨迹预测精度，但是由于方向盘转角传感器无 法保证实时采集的 θi 的精度，不能单独作为一个长航时的导航系统，因此需要结合其他系统进行组合导 航，本文中提出采用 5G 系统与车载自主导航进行信息融合，实现组合导航，从而有效提高系统的导航 精度。组合导航中车载自主导航系统辅助 5G 定位实现定位，选择扩展卡尔曼滤波器[11] (Extended Kalman filte, EKF)实现信息融合，当车辆导航定位开始时，车辆自主导航系统处理模块与 5G 处理模块同时工作， 启动测量更新和状态更新的迭代计算，将 5G 定位系统输出的定位信息与车辆自主导航系统输出的位置 信息的误差值作为量测值，进行扩展卡尔曼滤波组合，输出的滤波结果作为车辆导航定位的最终数据， 同时扩展卡尔曼滤波的输出作为反馈信息修正车辆自主组合导航，系统结构如图 2 所示。
3. 基于 5G-车载传感器的组合导航系统
3.1. 5G 系统定位原理
5G 时代即将到来，5G 衍生出的大规模 MIMO、超密集网络、毫米波及 D2D 等关键技术将被广泛推 广应用。毫米波具有大带宽，定位所需参数如到达时间(Time of Arrival, TOA)等的估计误差的克拉美罗下 届小，同时抗干扰能力强。TOA 定位依据测量接收信号在基站和移动台之间的到达时间，然后转换为距 离来进行定位[9]。TOA 需要移动台和基站之间严格同步，这将严重影响定位精度。基于信号达到时间差 (Time Difference of Arrival, TDOA)通过检测信号到达基站的传播时间差，降低了算法对时间同步要求。
Computer Science and Application 计算机科学与应用, 2020, 10(9), 1618-1624 Published Online September 2020 in Hans. /journal/csa https:///10.12677/csa.2020.109170
∑ xn = x0 +
∑ yn = y0 +
v n−1
i=1 i
cosθi
v n−1
i=0 i
sin
θi
(2)
式中 vi 表示车辆运行过程中第 i 个位置的速度信息，θi 为车辆运行过程中第 i 个位置的方向盘提供的转向 角信息，因此在 GNSS 信号盲区环境中，通过汽车 CAN 总线能够获取车载的速度传感器和方向盘传感器 的参数，实现车辆运动行驶轨迹预测。车辆实际运行过程中，由于环境的变化，方向盘提供的角度 θi 和 速度信息 vi 变量在每一个时刻 T 都不完全相同，其精度情况决定了车辆的预测轨迹精度。
+
v v
A A
× ×
T T
× ×
θ θ
A A
(1)
Figure 1. Vehicle autonomous navigation calculation 图 1. 车辆自主导航推算
由上述分析可知，如果汽车在进入 GNSS 信号盲区 t0 时刻初始位置为 ( x0 , y0 ) ，则 tn 时刻的位置 ( xn , yn ) 可由(2)式计算得到：
关键词
车辆定位，5G，车载传感器，组合导航
Research on Vehicle Integrated Navigation System Based on 5G-Vehicle Sensors
Keqiang Yue1, Chaohong Lu2, Wei Li2, Lingling Sun1
1College of Electronic Information, Hangzhou Dianzi University, Hangzhou Zhejiang 2Hangzhou Yundong Smart Automobile Technology Co., Ltd., Hangzhou Zhejiang
DOI: 10.12677/csa.2020.109170
1620
计算机科学与应用
岳克强 等
5G 通信中，通过 TDOA 不仅能够提高测量的精度，还能够提高多径测量的分辨率。TDOA 定位模
型中，设 A 为待估计的移动台位置坐标 ( x, y) ，第 i 个基站的坐标为别是 BSi ( xi , yi ) ，A 点到达各个基站 BSi 的距离分别是 di (i ∈ (1, 2,, N )) ，可通过如下公式计算得出[10]：
基于5G与车载传感器的车辆组合导航系统研究
岳克强1，卢朝洪2，李 巍2，孙玲玲1
1杭州电子科技大学电子信息学院，浙江 杭州 2杭州云动智能汽车技术有限公司，浙江 杭州
收稿日期：2020年9月1日；录用日期：2020年9月14日；发布日期：2020年9月21日
摘要
车辆定位是车联网技术中重要组成部分，当前城市高楼密集区等环境下，车载全球导航卫星系统定位精 度不佳，难以实现高精度定位。随着5G无线通信的快速发展，用组合定位来改善车辆定位精度具有重要 意义。本文通过研究车辆运行中传感器采集到的速度及偏转角度信息，结合5G通信系统，提出一种基于 5G的车载组合导航系统来提高定位精度，仿真结果表明，在室内或室内外交界处等缺少GNSS信号情况 下，组合导航系统能够有效提高车辆定位精度。
Open Access
1. 引言
随着汽车产业和第五代移动通信技术的快速发展，车联网技术在近年来得到迅速发展，并广泛应用 于车辆调度、防盗报警等领域。作为车辆网关键技术之一的车辆导航定位技术不仅能够提供基于位置的 服务，还能够用于紧急情况下的救助、车辆的调度和行驶车辆的安全管理等方面，引起了广泛关注[1]。 全球导航卫星系统(Global navigation satellite system, GNSS)可以为车辆提供连续实时、精度较高的三维位 置信息而得到广泛应用。但随着现代化城市的建设，GNSS 信号在城市高楼密集区、隧道、地下车库等 盲区情况下失锁、丢星而无法单独实现可靠定位，通常采用由 GNSS 和无线通信等其它系统组成组合导 航来实现定位[2]。无线通信系统作为车联网中的重要技术，为车联网提供全方位的网络连接，同时能够 实现定位，近年来得到迅速发展。
2. 车载自主导航系统
汽车实际行驶过程中会遇到隧道内、建筑物密集的闹市等复杂的地理环境，这种环境下 GNSS 不能
DOI: 10.12677/csa.2020.109170
1619
计算机科学与应用
岳克强 等
提供足够精确的位置信息，需要汽车依靠其他方式实现导航[8]。汽车通过 CAN 总线得到的车速传感器
载体的位移量，来推算下一时刻汽车位置。汽车自主导航算法原理如图 1 所示，设汽车进入 GNSS 信号
盲区前为 A 点，位置坐标为 ( x0 , y0 ) ，速度传感器测得速度为 vA ，方向盘测得偏航角为 θA ，汽车在 GNSS
信号盲区中运行时间 T 到达位置 B 点的坐标为：
= xy11
x0 y0
无线通信系统中传统的 3G/4G 网络通过计算目标移动台的位置来定位，计算位置时需要用到的定位 测量参数来自于对传播于多个基站和移动台之间的定位信号的测量，但是其实际定位精度普遍在 100 m [3]，无法满足用户定位精度需求。随着技术发展，5G 是首个将定位服务作为设计目标之一的移动通信系 统，5G 在推进车联网技术的腾飞同时，可用于提高无线定位的精度和适用范围[4]。5G 毫米波通信可以 实现高数据传输速率、低延迟通信，能够获得高精度的波束到达方向，文献[5]分析了毫米波技术对于定 位精度的影响，研究结果表明室外环境下存在可视路径时，5G 定位能够很好地改善非可视距路径下的定 位效果。文献[6]通过联合处理在分布式大规模 MIMO 基站处获得的观测数据对用户的位置进行定位，结 果表明 5G 定位精度较高。文献[7]将 5G 与 GNSS 信号进行组合定位，仿真结果表明，在室内或室内外交 界处等多径干扰严重的环境下，组合定位精度能够达到亚米级。随着 5G 技术发展，车辆导航系统能够 结合 5G 通信实现组合导航的小型化、低成本，在不增加成本的基础上提高定位精度成为研究的趋势。 本文通过研究车辆运行中惯性器件，采集到汽车每个时刻的速度及偏转角度信息，通过将此信息返回给 用户后与 5G 通信结合，提出一种基于 5G 的车载组合导航系统，建立了松组合模式下的 5G/车载传感器 组合导航系统的状态方程和量测方程，系统中通过汽车自身传感器实时提供车辆姿态信息，与 5G 系统 提供的位置信息通过卡尔曼滤波实现组合导航，满足车联网低成本需求，为车联网的发展提供了基础。