王建宇

摘 要： 基于物聯(lián)網(wǎng)進(jìn)行汽車智能測距，可以實(shí)現(xiàn)汽車車距的準(zhǔn)確控制，對(duì)汽車安全設(shè)計(jì)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(jì)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(diǎn)數(shù)據(jù)增加而測距效果不好。提出基于傳感節(jié)點(diǎn)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(jì)方法。首先構(gòu)建汽車智能測距系統(tǒng)設(shè)計(jì)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(dá)信號(hào)的聲學(xué)基陣、測距雷達(dá)信號(hào)收發(fā)轉(zhuǎn)換和功率放大器以及模擬信號(hào)預(yù)處理機(jī)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(jī)通信、多通道可編程信號(hào)處理等功能。采用TI5000 系列DSP進(jìn)行測距核心編程，實(shí)現(xiàn)系統(tǒng)硬件模塊設(shè)計(jì)和軟件編程設(shè)計(jì)。實(shí)驗(yàn)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(jì)

中圖分類號(hào)： TN713?34； TP391.4 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 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(shí)別（RFID）（RFID+互聯(lián)網(wǎng)）、紅外感應(yīng)器進(jìn)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(shí)別器，通過物聯(lián)網(wǎng)把物品與互聯(lián)網(wǎng)連接起來，實(shí)現(xiàn)對(duì)信息交互和智能化識(shí)別、定位、跟蹤?；谖锫?lián)網(wǎng)進(jìn)行汽車智能測距和控制，可以保障汽車行駛安全，對(duì)汽車智能防撞設(shè)計(jì)和汽車安全系統(tǒng)設(shè)計(jì)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(hào)的讀取和寫入數(shù)據(jù)到汽車的防碰撞安全系統(tǒng)中，對(duì)測距系統(tǒng)的存儲(chǔ)信息進(jìn)行信息融合分析，通過測距算法實(shí)現(xiàn)車輛距離參數(shù)的智能估計(jì)。通過電感耦合或反相散射耦合方式實(shí)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(jì)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(diǎn)數(shù)據(jù)增加，測距效果不好。對(duì)此，國內(nèi)外對(duì)測距算法進(jìn)行改進(jìn)，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(zhǔn)參考雷達(dá)測距進(jìn)行研究，放大差值來控制調(diào)整車輛的距離狀態(tài)和導(dǎo)通狀態(tài)、從而達(dá)到穩(wěn)定輸出準(zhǔn)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(jià)較高問題，低壓測距理論和方法具備不確定性，測距精準(zhǔn)度受系統(tǒng)運(yùn)行方式和壓力影響，在車流量較大的交通擁堵狀態(tài)時(shí)，汽車測距的準(zhǔn)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(dá)控制技術(shù)對(duì)信息傳輸實(shí)時(shí)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(duì)上述問題，在物聯(lián)網(wǎng)平臺(tái)中，本文提出基于傳感節(jié)點(diǎn)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(jì)方法。首先構(gòu)建汽車智能測距系統(tǒng)設(shè)計(jì)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(dá)信號(hào)測距算法，以此為基礎(chǔ)進(jìn)行系統(tǒng)的硬件和軟件設(shè)計(jì)，實(shí)現(xiàn)基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)改進(jìn)設(shè)計(jì)，仿真實(shí)驗(yàn)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(shí)現(xiàn)。

1 系統(tǒng)總體設(shè)計(jì)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(jì)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(jì)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(diǎn)報(bào)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(duì)車輛進(jìn)行雷達(dá)測距，通過雷達(dá)準(zhǔn)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(dòng)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(qǐng)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(duì)靜止，車輛B?F成為簇員，聚簇后，車輛發(fā)出雷達(dá)信息，開始負(fù)責(zé)對(duì)簇員進(jìn)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(hào)[ut]是由兩個(gè)調(diào)頻諧波信號(hào)[u1t，u2t]構(gòu)成，進(jìn)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(jì)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(jī)通信；

（5） 多通道可編程信號(hào)處理等。

基于上述分析，得到本文設(shè)計(jì)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(dá)信號(hào)的聲學(xué)基陣、測距雷達(dá)信號(hào)收發(fā)轉(zhuǎn)換和功率放大器以及模擬信號(hào)預(yù)處理機(jī)這三大部分組成，系統(tǒng)的總體設(shè)計(jì)組成框圖見圖3。

1.2 測距算法

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

假設(shè)汽車勻速運(yùn)動(dòng)，采用裝有RFID閱讀器的車輛讀出汽車的徑向速度為[v]（目標(biāo)與系統(tǒng)平臺(tái)逼近時(shí)為負(fù)），綜合車輛密度和速度，得到車流中的目標(biāo)相對(duì)于測距平臺(tái)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(hào)的讀取和寫入數(shù)據(jù)到汽車的防碰撞安全系統(tǒng)中，對(duì)測距系統(tǒng)的存儲(chǔ)信息進(jìn)行信息融合分析，實(shí)現(xiàn)車輛距離參數(shù)的智能估計(jì)。汽車智能測距在汽車防碰撞設(shè)計(jì)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(diǎn)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(jì)方法。首先構(gòu)建汽車智能測距系統(tǒng)設(shè)計(jì)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(dá)信號(hào)測距算法，以此為基礎(chǔ)進(jìn)行系統(tǒng)的硬件和軟件設(shè)計(jì)，實(shí)現(xiàn)基于物聯(lián)網(wǎng)的汽車智能測距系統(tǒng)改進(jìn)設(shè)計(jì)。研究結(jié)果表明，采用本文設(shè)計(jì)方法能有效實(shí)現(xiàn)汽車的智能測距，距離估計(jì)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(zhǔn)確性，展示了較好的實(shí)用價(jià)值。

參考文獻(xiàn)

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

[2] 王瑞，馬艷.基于分?jǐn)?shù)階傅里葉變換的線性調(diào)頻脈沖信號(hào)波達(dá)方向估計(jì)[J].兵工學(xué)報(bào)，2014，35（3）：421?427.

[3] 石鑫，周勇.基于信號(hào)峰脊陡變調(diào)制的雷達(dá)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(kuò)測控通信信號(hào)偽碼跟蹤方法研究[J].電子與信息學(xué)報(bào)，2015，37（8）：2028?2032.

[5] 吳志軍，李光，岳猛.基于信號(hào)互相關(guān)的低速率拒絕服務(wù)攻擊檢測方法[J].電子學(xué)報(bào)，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(dá)信號(hào)聚類分選[J].光子學(xué)報(bào)，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.