长大隧道环境下基于分簇WSN的列车定位研究

Abstract: The current train positioning methods have the drawbacks that they can not provide the real-time positioning information, low positioning accuracy and high maintenance costs induced by trackside equipment installment. The project proposes a clustering wireless sensor network (WSN) assisted positioning scheme and studies the key problems of the localization of trains in long tunnel environments. An appropriate and accurate wireless channel model will be built up using Origin data fitting tool, according to the two-slope regression linear model and the multi-path characters of electromagnetic wave in tunnel. The mapping of 2-D plane onto actual 3-D tunnel is explored, and the node placement in WSN is investigated by the theory of wireless link budget. The QoS requirements, even distribution of the sensor nodes, and fully connected WSN with communication redundancy are expected to be guaranteed. Moreover, we address the effects of train moving velocity, Doppler frequency shift (DFS), transmission delay and target azimuth, on the train localization, and an effective parameter estimation algorithm is presented. And, the train is located by least-square (LS) optimization, considering the position offset induced by azimuth quantization error and parameter estimation error. The achievements of the project will provide a train positioning algorithm with high real-time, strong fault tolerance, and low complexity, and lay the theoretical foundations and technical support for high-speed, safe and efficient operation of trains in long tunnel scenarios.

为克服当前列车定位方法中普遍存在的不能实时连续定位、定位精度不高以及设置轨旁设备引起的维护成本高等弊端，本项目提出用分簇WSN构建列车定位网络，并研究长、大铁路隧道内列车定位的关键问题。拟基于双斜率线性回归线和电磁波的多径传播特性，通过Origin数据拟合建立合理的隧道内无线信道模型；探索3-D隧道和2-D平面的映射关系，借助无线链路预算理论，研究能满足QoS的、节点分布具有较好均匀性且能提供一定通信冗余的全连通WSN部署；分析列车运行速度、多普勒频移、无线收/发传输时延差、目标方位角等参数对列车位置估算的影响，设计有效的参数估计机制；研究因方位角量化误差和参数估计误差引起的列车位置偏移，并以LS为优化工具完成列车定位。项目旨在提出高时效性、高容错性、低复杂度的列车定位算法，为长、大铁路隧道内列车的高速、安全运行提供更高精度的定位保障和技术支撑。

为克服当前列车定位方法中普遍存在的不能实时连续定位、定位精度不高以及设置轨旁设备引起的维护成本高等弊端，本项目对长、大铁路隧道内列车定位问题展开了研究。主要研究内容为：.1）隧道内无线信道模型。提出了基于非均匀区间划分的有限状态马尔可夫链（FSMC）信道建模方法。通过对隧道内电磁波的多径传播特性分析、实测数据的拟合、收发两端通信距离的非均匀区间划分，建立了铁路隧道环境的FSMC信道模型。仿真结论为：非均匀区间划分的FSMC信道模型具有较小的均方误差（MSE），可以较好地跟踪隧道内信道状态的变化，具有较高的建模精度。.2）隧道环境下的分簇WSN节点部署。提出了隧道环境下无线传感器节点（WSN）的非均匀优化分簇部署算法。基于3-D隧道和2-D平面的映射关系和无线链路预算理论，对CH节点能耗波动、负载均衡度和能耗平衡度这3个性能指标展开分析，构建优化的WSN分簇部署模型。研究结论为：节点优化部署模型和算法在延长CH节点寿命和提高WSN定位网络通信效率方面性能较优。.3）列车定位参数估计与目标方位角的量化、编码。根据目标节点的接收信号强度值（RSSI）建立实时列车运动模型并基于扩展卡尔曼滤波计算重要性概率密度函数，完成目标方位角等列车定位参数的实时估计。仿真结论为：锚节点部署密度、列车运行时间、列车运行速度等参数估计误差和方位角量化误差均会对列车定位精度产生影响。.4）目标方位角辅助的最小二乘法（LS）列车位置估算。提出了基于粒子群优化的蒙特卡洛节点定位算法。在目标节点（列车）的采样区域预测中，以其1跳邻居锚节点的时序反馈信号构建初始采样区域，并与蒙特卡洛采样区域的重叠区作为定位采样区域；用粒子表征节点，通过分布式估计和粒子复制提高粒子寻优效率，研究结果为：目标节点最大移动速度不大于60m/s时的定位误差小于3%。.项目提出了一种适用于长、大铁路隧道内的列车定位方法，解决了隧道内GPS信号缺失情况下的列车高精度定位问题，为列车的安全运行提供了技术支撑。