基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)的設(shè)計與實現(xiàn)

王建宇

摘 要： 基于物聯(lián)網(wǎng)進行汽車智能測距，可以實現(xiàn)汽車車距的準確控制，對汽車安全設(shè)計和智能防撞控制具有重要意義。傳統(tǒng)的汽車測距系統(tǒng)設(shè)計方法采用多處理器接口測距方法，隨著物聯(lián)網(wǎng)中汽車節(jié)點數(shù)據(jù)增加而測距效果不好。提出基于傳感節(jié)點數(shù)據(jù)融合和分布式程序控制的汽車智能測距系統(tǒng)設(shè)計方法。首先構(gòu)建汽車智能測距系統(tǒng)設(shè)計的總體模型，給出基于寬帶自模糊度特征提取的車輛測距算法?；谖锫?lián)網(wǎng)的汽車智能測距系統(tǒng)包括了超聲波雷達信號的聲學基陣、測距雷達信號收發(fā)轉(zhuǎn)換和功率放大器以及模擬信號預(yù)處理機這三大部分。系統(tǒng)具有測距數(shù)據(jù)的測量、智能測距的回波模擬、多車道數(shù)據(jù)記錄分析、上位機通信、多通道可編程信號處理等功能。采用TI5000 系列DSP進行測距核心編程，實現(xiàn)系統(tǒng)硬件模塊設(shè)計和軟件編程設(shè)計。實驗結(jié)果表明，采用該系統(tǒng)，具有較好的測距精度，穩(wěn)定性和可靠性較好。

關(guān)鍵詞： 物聯(lián)網(wǎng)； 汽車測距； 防撞系統(tǒng)； 系統(tǒng)設(shè)計

中圖分類號： TN713?34； TP391.4 文獻標識碼： A 文章編號： 1004?373X（2015）22?0094?05

0 引 言

物聯(lián)網(wǎng)是新一代信息技術(shù)的重要組成部分，物聯(lián)網(wǎng)就是物物相連的互聯(lián)網(wǎng)，物聯(lián)網(wǎng)是通過射頻識別（RFID）（RFID+互聯(lián)網(wǎng)）、紅外感應(yīng)器進行全球定位的智能網(wǎng)絡(luò)。物聯(lián)網(wǎng)的信息傳遞設(shè)備有傳感器、掃描器和RFID識別器，通過物聯(lián)網(wǎng)把物品與互聯(lián)網(wǎng)連接起來，實現(xiàn)對信息交互和智能化識別、定位、跟蹤?；谖锫?lián)網(wǎng)進行汽車智能測距和控制，可以保障汽車行駛安全，對汽車智能防撞設(shè)計和汽車安全系統(tǒng)設(shè)計具有重要意義[1?3]。

基于物聯(lián)網(wǎng)的汽車智能測距原理是通過無線電信號的讀取和寫入數(shù)據(jù)到汽車的防碰撞安全系統(tǒng)中，對測距系統(tǒng)的存儲信息進行信息融合分析，通過測距算法實現(xiàn)車輛距離參數(shù)的智能估計。通過電感耦合或反相散射耦合方式實現(xiàn)距離的測量，保障系統(tǒng)安全。而傳統(tǒng)的汽車測距系統(tǒng)設(shè)計方法采用多處理器接口測距方法，隨著物聯(lián)網(wǎng)中汽車節(jié)點數(shù)據(jù)增加，測距效果不好。對此，國內(nèi)外對測距算法進行改進，提出大量汽車智能測距的原理和方法，如硅光主頻法、阻抗法等，人工神經(jīng)網(wǎng)絡(luò)、低壓原理等智能方法[4?7]。

其中，傳統(tǒng)的低壓測距誤差放大器是將輸出反饋采樣車輛間距特征與基準參考雷達測距進行研究，放大差值來控制調(diào)整車輛的距離狀態(tài)和導通狀態(tài)、從而達到穩(wěn)定輸出準確距離的目的。低壓測距測量技術(shù)法由于受到故障電阻等因素的影響，其測距誤差較大，存在硬件造價較高問題，低壓測距理論和方法具備不確定性，測距精準度受系統(tǒng)運行方式和壓力影響，在車流量較大的交通擁堵狀態(tài)時，汽車測距的準確性結(jié)果不甚理想[8?10]。

物聯(lián)網(wǎng)環(huán)境下，傳統(tǒng)的測距系統(tǒng)需要硅光主頻信息傳遞，通過三維雷達控制技術(shù)對信息傳輸實時性要求較高，這在汽車智能測距的發(fā)展中帶來了不少困難。

針對上述問題，在物聯(lián)網(wǎng)平臺中，本文提出基于傳感節(jié)點數(shù)據(jù)融合和分布式程序控制的汽車智能測距系統(tǒng)設(shè)計方法。首先構(gòu)建汽車智能測距系統(tǒng)設(shè)計的總體模型，在此基礎(chǔ)上，給出基于寬帶自模糊度特征提取的車輛雷達信號測距算法，以此為基礎(chǔ)進行系統(tǒng)的硬件和軟件設(shè)計，實現(xiàn)基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)改進設(shè)計，仿真實驗表明，采用該系統(tǒng)能有效提高汽車智能測距的精度，系統(tǒng)可靠性好，便于應(yīng)用實現(xiàn)。

1 系統(tǒng)總體設(shè)計方案及測距算法描述

1.1 測距原理和汽車智能測距系統(tǒng)總體設(shè)計方案

首先分析基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)總體設(shè)計方案，測距的基本思想是采用物聯(lián)網(wǎng)信息感知，通過分散的車輛節(jié)點報告車輛的簇頭未知，充分利用了車輛的簇頭周期性信息，采用協(xié)作檢測方法（Cooperative Traffic Congestion Detection，CoTEC），在限速不同的車道上，對車輛進行雷達測距，通過雷達準確測距，控制車輛在車道的前后距離，基于物聯(lián)網(wǎng)的車輛聚簇測距示意圖如圖1所示。

根據(jù)圖1所示，基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)自動獲取自己的位置信息和速度信息，在聚簇前的初始階段，車輛聚簇請求信息得到簇頭的反饋，把自己的ID設(shè)定為簇ID，由于車輛D的速度相對靜止，車輛B?F成為簇員，聚簇后，車輛發(fā)出雷達信息，開始負責對簇員進行管理，鄰居簇頭收到后就反饋給同一條道路上不同道路上的處理。鄰居簇頭發(fā)出寬帶的二次諧波信號[ut]是由兩個調(diào)頻諧波信號[u1t，u2t]構(gòu)成，進行空間加權(quán)取平均，首先車輛定位測距，智能汽車測距流程見圖2。

根據(jù)上述原理，構(gòu)建基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)總體設(shè)計方案，基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)的功能模塊主要功能包括：

（1） 汽車智能測距數(shù)據(jù)的測量；

（2） 汽車智能測距的回波模擬；

（3） 多車道數(shù)據(jù)記錄分析；

（4） 上位機通信；

（5） 多通道可編程信號處理等。

基于上述分析，得到本文設(shè)計的基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)包括了超聲波雷達信號的聲學基陣、測距雷達信號收發(fā)轉(zhuǎn)換和功率放大器以及模擬信號預(yù)處理機這三大部分組成，系統(tǒng)的總體設(shè)計組成框圖見圖3。

1.2 測距算法

為了實現(xiàn)汽車智能測距系統(tǒng)設(shè)計，測距算法的設(shè)計是關(guān)鍵和核心，本文采用寬帶自模糊度雷達測距算法，算法描述如下：

假設(shè)汽車勻速運動，采用裝有RFID閱讀器的車輛讀出汽車的徑向速度為[v]（目標與系統(tǒng)平臺逼近時為負），綜合車輛密度和速度，得到車流中的目標相對于測距平臺的距離可以表示為：

4 結(jié) 語

基于物聯(lián)網(wǎng)的汽車智能測距通過無線電信號的讀取和寫入數(shù)據(jù)到汽車的防碰撞安全系統(tǒng)中，對測距系統(tǒng)的存儲信息進行信息融合分析，實現(xiàn)車輛距離參數(shù)的智能估計。汽車智能測距在汽車防碰撞設(shè)計中具有重要意義。本文提出基于物聯(lián)網(wǎng)中的傳感器節(jié)點數(shù)據(jù)融合和分布式程序控制的汽車智能測距系統(tǒng)設(shè)計方法。首先構(gòu)建汽車智能測距系統(tǒng)設(shè)計的總體模型，在此基礎(chǔ)上，給出基于寬帶自模糊度特征提取的車輛雷達信號測距算法，以此為基礎(chǔ)進行系統(tǒng)的硬件和軟件設(shè)計，實現(xiàn)基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)改進設(shè)計。研究結(jié)果表明，采用本文設(shè)計方法能有效實現(xiàn)汽車的智能測距，距離估計精度較高，在不同車道環(huán)境和車輛密度下依然保持較好的測距準確性，展示了較好的實用價值。

參考文獻

[1] 于海斌，曾鵬，王忠鋒.雷達測距技術(shù)研究[J].科技通報，2011，25（10）：102?110.

[2] 王瑞，馬艷.基于分數(shù)階傅里葉變換的線性調(diào)頻脈沖信號波達方向估計[J].兵工學報，2014，35（3）：421?427.

[3] 石鑫，周勇.基于信號峰脊陡變調(diào)制的雷達測距算法[J].物聯(lián)網(wǎng)技術(shù)，2015，5（4）：12?14.

[4] 程艷合，楊文革.壓縮域直擴測控通信信號偽碼跟蹤方法研究[J].電子與信息學報，2015，37（8）：2028?2032.

[5] 吳志軍，李光，岳猛.基于信號互相關(guān)的低速率拒絕服務(wù)攻擊檢測方法[J].電子學報，2014，42（9）：1760?1766.

[6] 梁華東，韓江洪.采用雙譜多類小波包特征的雷達信號聚類分選[J].光子學報，2014，43（3）：3?7.

[7] LUO Long， YU Hongfang， LUO Shouxi. Congestion avoidance and fast traffic migration based on multi?topology routing [J]. Journal of Computer Applications， 2015， 35（7）： 1809?1814.

[8] SUN Chao， YANG Chunxi， FAN Sha， et al. Energy efficient distributed clustering consensus filtering algorithm for wireless sensor networks [J]. Information and Control， 2015， 44（3）： 379?384.

[9] TU Chaoping， XIAO Jinsheng， DU Kanghua， et al. Multi?focus image fusion algorithm based on the anisotropic thermal diffusion equation [J]. Chinese Journal of Electronics， 2015， 43（6）： 1192?1199.

[10] WANG Qun， DONG Wenlue， YANG Li. A wind power/photovoltaic typical scenario set generation algorithm based on Wasserstein distance metric and revised K?medoids cluster [J]. Proceedings of the CSEE， 2015， 35（11）： 2654?2661.