[发明专利]一种车联网定位中的路边单元优化部署方法

权利要求书

1.一种车联网定位中的路边单元优化部署方法，其特征在于，包括如下步骤：

1)采用几何精度因子度量路边单元部署方案的性能，并利用费希尔信息矩阵和统计模型，分别对RSS和混合TOA/DOA两种定位方式下的几何精度因子表达式进行描述；

所述RSS定位方式的GDOP表达式为：

其中，和分别代表x轴y轴坐标误差的方差，表示测距误差的方差，代表向量μ的雅可比矩阵；

混合TOA/DOA定位方式的GDOP表达式为：

上式中，N₀为单边功率谱密度，F_u表示p(r_i|u)的对数似然函数的费希尔信息矩阵：

其中，γ_i为与距离相关的信道增益，u＝(x，y)代表车辆的实际位置坐标；

2)通过对K覆盖场景路边单元部署问题的分析，首先将问题简化为1覆盖场景，即定位区域内每一点均被一个路边单元覆盖，通过几何分析得到此场景下最优化的路边单元基本部署模式；

3)在步骤2)的基础上，将K覆盖场景的路边单元部署建模为一个优化问题，通过对K层基本部署模式的空间组合优化，建立起以最小化区域平均几何精度因子为目标的优化函数；

建立优化函数时以定位区域的平均几何精度因子为目标，以K层基本部署模式的空间位移为优化变量，将路边单元的部署问题建立为单目标优化模型；

目标函数定义为：

f(η，K)＝||η||^-1∫_ηGDOP(u_RSU，u_η)du_η

其中，||η||代表区域η的面积，u_RSU和u_η分别代表了对区域η实现K覆盖的RSU位置集合和区域η中的任意一点，K为覆盖度；

4)采用异步粒子群优化算法对步骤3)中所述优化函数进行求解，通过迭代搜索获得路边单元的最优化部署位置；

所述异步粒子群优化算法的搜索速率方程和状态更新方程分别为：

其中，k为迭代次数，为当前状态变化，为新的状态，V_k^(l)为当前速率、P_k^(l)为粒子i的最佳状态值，为所有粒子的最佳状态值，ω表示惯性权重，c₁和c₂表示粒子i分别向P_k^(l)和运动的异步学习因子。

2.根据权利要求1所述的车联网定位中的路边单元优化部署方法，其特征在于，所述步骤1)中费希尔信息矩阵通过观测矢量的联合概率密度函数计算得出，由费希尔信息矩阵推导得到定位估计的几何精度因子，在统计模型中费希尔信息矩阵与观测值的雅可比矩阵有关。

3.根据权利要求1所述的车联网定位中的路边单元优化部署方法，其特征在于，所述步骤2)中通过对不同部署模式的几何分析，得到最优路边单元基本部署模式。

4.根据权利要求3所述的车联网定位中的路边单元优化部署方法，其特征在于，所述不同部署模式包括线性部署模式和交错部署模式。

5.根据权利要求1所述的车联网定位中的路边单元优化部署方法，其特征在于，所述步骤4)中采用异步粒子群优化算法，通过设置异步时变的学习因子和惯性权重，迭代搜索获得最优化的路边单元部署位置。

6.根据权利要求1所述的车联网定位中的路边单元优化部署方法，其特征在于，在步骤4)中将(K-1)维的位移向量d作为粒子群的状态