基于卷积神经网络的列车位置指纹定位算法研究

摘要：

针对高速铁路隧道环境下采用位置指纹定位时定位精度低的问题,提出将深度卷积神经网络应用于列车位置指纹的定位中.首先采用2σ准则、模糊C均值聚类FCM及类数据加权,对采集到的下一代铁路通信系统LTE-R中的信号强度值进行预处理,降低异常值的影响,提高指纹数据的有效性;然后引入定时提前量,增强指纹特征值;接着将处理后的指纹数据量转换为灰度图片指纹条,基于图像样本建立FCM-CNN指纹定位模型;最后以现场实测数据为基础对定位模型进行测试验证.结果表明,相较于采用未经处理的数据作为样本的CNN模型及传统的位置指纹定位方法,基于FCM-CNN的列车位置指纹定位方法,提高了数据质量,在离线阶段具有较大的指纹采集间距,大幅减少了指纹采集工作量,模型训练时间较短,定位精度小于10 m的概率可达100％,满足列车在中密度线路对定位精度的要求.

关键词：列车定位、模糊C均值聚类、卷积神经网络、参考信号接收功率、定时提前量

所属期刊栏目：45

分类号：U283.2(铁路通信、信号)

资助基金：国家自然科学基金;国家自然科学基金;甘肃省科技计划;甘肃省科技计划

在线出版日期：2023-02-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：42-50