一种抑制NLOS时延误差的矿井TOA目标定位方法与流程

本发明属于矿井toa定位技术领域，具体涉及一种抑制nlos时延误差的矿井toa目标定位方法。

背景技术

我国煤矿90％以上是地下煤矿，且随着煤矿采区的不断扩大和作业巷井的不断加深，对井下作业人员和设备的监控管理日益困难，而现有煤矿井下人员定位系统不能满足事故应急救援、井下作业人员管理、煤矿物联网建设等定位精度的需求。因此，建设精确的煤矿井下人员定位系统是煤矿正常生产、调度、灾害救援等工作的迫切需求。

目前，我国煤矿井下人员定位系统主要有区域定位技术和基于接收场强的rss方法等，但在实际应用中都存在一定的问题。区域定位技术获取井下人员的位置信息是通过监测站对一定区域内的定位卡进行监测，但不能向监控室提供该工作人员在该区域的具体位置，定位精度非常有限；基于接收场强的rss方法是利用电磁波传播的信道衰落模型，通过检测收发信号的场强损耗反推出信号传输的距离，通过计算得出相应的井下人员所在位置，但煤矿井下环境复杂，在通信信道中会出现很多不固定、不可预知的损耗因素，巷道损耗中值很难准确地描述巷道无线信道的损耗模型，会造成很大的定位误差，定位精度也非常有限。

目前，可作为煤矿井下人员精确定位的另一种技术是基于信号到达时间的toa方法，但煤矿井下存在着大量基建设施、生产设备和安全设备等固定设施，通信空间有限，又伴随着机车5行进、人员流动等不固定因素对无线信号的传输路径形成了干扰，同时又无法采用gps时间同步方式，导致同步时延、计时误差等对toa定位的精度影响无法忽略。为了解决这些问题，人们进行了大量研究，例如，申请号为201410605133.1的中国专利公开了一种一种抑制巷道nlos时延误差的toa井下人员定位系统及方法，其方法降低了定位平均误差，定位精度有所提高，但是其优化后的toa定位精度仍不能满足当前矿井井下目标定位的需求。

技术实现要素：

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种抑制nlos时延误差的矿井toa目标定位方法，其方法步骤简单，实现方便，能够有效抑制巷道nlos时延误差，能够有效提高矿井toa定位精度，实用性强，使用效果好，便于推广使用。

为解决上述技术问题，本发明采用的技术方案是：一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于，该方法包括以下步骤：

步骤一、在矿井井下巷道中均匀设置多个定位基站，在待定位目标上设置定位卡，且使相邻两个定位基站之间的距离相等；

步骤二、定位卡按照时间间隔δt分别向距离其最近的定位基站a和定位基站b发送距离检测信号；

步骤三、t时刻，定位基站a采用sds-twr方法消除同步时延tsa和计时误差tea后，将电磁波信号在定位卡和定位基站a之间的传播时间tza传输给定位服务器；定位基站b采用sds-twr方法消除同步时延tsb和计时误差teb后，将电磁波信号在定位卡和定位基站b之间的传播时间tzb传输给定位服务器；

步骤四、定位服务器采用基于新息阈值的卡尔曼滤波算法对其接收到的电磁波信号在定位卡和定位基站a之间的传播时间tza和电磁波信号在定位卡和定位基站b之间的传播时间tzb进行基于新息阈值的卡尔曼滤波，抑制巷道随机nlos时延误差tnlos，得到消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡和定位基站a之间的传播时间ttoa,a和消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡和定位基站b之间的传播时间ttoa,b；

步骤五、定位服务器根据公式d1′＝cttoa,a计算得到经基于新息阈值的卡尔曼滤波后的定位卡和定位基站a之间的距离测量值d1′，并根据公式d2′＝cttoa,b计算得到经基于新息阈值的卡尔曼滤波后的定位卡和定位基站b之间的距离测量值d2′；其中，c为电磁信号在空气中的传播速度；

步骤六、定位服务器根据参数拟合的方法消除距离测量值d1′和距离测量值d2′中由于巷道固定nlos时延误差带来的误差，得到消除了巷道固定nlos时延误差后的定位卡和定位基站a之间的距离测量值d1以及消除了巷道固定nlos时延误差后的定位卡和定位基站b之间的距离测量值d2；

步骤七、定位服务器采用几何算法对待定位目标的目标位置进行进一步估计，得到定位卡和定位基站a之间的距离以及定位卡和定位基站a之间的距离

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：步骤三中定位基站a采用sds-twr方法消除同步时延tsa和计时误差tea的具体方法为：首先，定位基站a将电磁波信号从定位卡向定位基站a传播时的传播时延记为t1a，反应时延记为t2a；将电磁波信号从定位基站a向定位卡传播时的传播时延记为t3a，反应时延记为t4a；然后，定位基站a根据公式计算得到电磁波信号在定位卡和定位基站a之间的传播时间tza。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：步骤三中定位基站b采用sds-twr方法消除同步时延tsb和计时误差teb的具体方法为：首先，定位基站b将电磁波信号从定位卡向定位基站b传播时的传播时延记为t1b，反应时延记为t2b；将电磁波信号从定位基站b向定位卡传播时的传播时延记为t3b，反应时延记为t4b；然后，定位基站b根据公式计算得到电磁波信号在定位卡和定位基站b之间的传播时间tzb。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：步骤四中所述定位服务器采用基于新息阈值的卡尔曼滤波算法对其接收到的电磁波信号在定位卡和定位基站a之间的传播时间tza和电磁波信号在定位卡和定位基站b之间的传播时间tzb进行基于新息阈值的卡尔曼滤波，抑制巷道随机nlos时延误差tnlos，得到消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡和定位基站a之间的传播时间ttoa,a和消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡和定位基站b之间的传播时间ttoa,b的具体过程为：

步骤401、所述定位服务器根据公式(f1)进行状态预测

公式(f1)中，为第k次状态预测状态变量的预测矩阵，φ为第k次状态预测状态转移矩阵，为第k次的前一次状态预测状态变量的估计矩阵；

步骤402、所述定位服务器根据公式(f2)确定第k次状态预测的预测误差

公式(f2)中，为第k次状态预测的预测误差，为第k次的前一次状态预测的估计误差的协方差矩阵，q为输入白噪声的协方差矩阵；

步骤403、所述定位服务器根据公式(f3)确定测量矩阵y(k)对应的新息值ε(k)；

公式(f3)中，y(k)＝hx(k)+v(k)，h为观测矩阵，v(k)为观测噪声，x(k)为第k次状态预测的状态变量；当对电磁波信号在定位卡和定位基站a之间的传播时间tza进行基于新息阈值的卡尔曼滤波时，x(k)＝[tza,kt′za,k]，tza,k为第k次状态预测时电磁波信号在定位卡和定位基站a之间的传播时间的待估计值，t′za,k为tza,k的一阶导数；当对电磁波信号在定位卡和定位基站b之间的传播时间tzb进行基于新息阈值的卡尔曼滤波时，x(k)＝[tzb,kt′zb,k]，tzb,k为第k次状态预测时电磁波信号在定位卡和定位基站b之间的传播时间的待估计值，t′zb,k为tzb,k的一阶导数；

步骤404、所述定位服务器根据公式(f4)确定第k次状态预测的卡尔曼增益矩阵k(k)；

公式(f4)中，r为观测白噪声的协方差矩阵；

步骤405、所述定位服务器根据公式(f5)确定第k次状态预测状态变量的估计矩阵

公式(f5)中，ε(k-1)为第k次的前一次状态预测的测量矩阵y(k-1)对应的新息值，δe为新息阈值；

且当ε(k)＞δe时，将ε(k)用ε(k-1)覆盖；

步骤406、所述定位服务器根据公式(f6)确定第k次状态预测的估计误差的协方差矩阵

公式(f6)中，in为n阶单位矩阵，n的取值与矩阵k(k)h的阶数相等；

步骤407、k的取值加1，重复执行步骤401～406，直至k≥n，得到消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡和定位基站a之间的传播时间ttoa,a和消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡和定位基站b之间的传播时间ttoa,b，n为距离检测总次数。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：所述φ的取值为

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：所述h的取值为[10]。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：所述δe的取值采用神经网络专家系统获得，具体过程为：

步骤i、构建初始知识库；初始知识库中的数据是通过实验统计得到的巷道中的固定设施和移动对象引起的toa目标定位距离的波动范围，所述固定设施包括皮带输送机、通风设备、轨道、支护、锚杆、巷道顶板、巷道底板和架空线，所述移动对象包括行驶中或临时停靠的机车；

步骤ii、建立并训练bp神经网络，所述bp神经网络包括输入层、中间层和输出层，输入层包括固定设施和移动对象两种输入节点，输出层包括新息阈值δe一个输出节点，训练完成得到神经网络专家系统；

步骤iii、采用正向推理方向；

步骤iv、将待定位目标所处矿井井下巷道中的固定设施和移动对象情况输入神经网络专家系统，得到定位需要的新息阈值δe。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：步骤六中所述定位服务器根据参数拟合的方法消除距离测量值d1′和距离测量值d2′中由于巷道固定nlos时延误差带来的误差，得到消除了巷道固定nlos时延误差后的定位卡和定位基站a之间的距离测量值d1以及消除了巷道固定nlos时延误差后的定位卡和定位基站b之间的距离测量值d2的具体方法为：所述定位服务器根据方程(f7)解算得到d1和d2；

方程(f7)中，p为巷道固定nlos时延系数，θ为巷道固定nlos时延指数。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：所述p和所述θ的取值获得方法为：

步骤m1、在矿井井下巷道无机车干扰的情况下，待定位目标在矿井井下巷道内移动经过任意m个位置点，且每经过一个位置点，距离该位置点最近的定位基站就检测电磁波信号在待定位目标上的定位卡与定位基站之间的传播时间并传输给定位服务器；

步骤m2、定位服务器根据公式d'(i)＝ct(i)计算第i个位置点与距离第i个位置点最近的定位基站之间的测量距离d'(i)，其中，t(i)为经过第i个位置点时，距离该位置点最近的定位基站检测到的电磁波信号在待定位目标上的定位卡与定位基站之间的传播时间；

步骤m3、定位服务器根据m个位置点与距离该位置点最近的定位基站之间的实际距离和测量距离建立包含未知量p和θ的m(m-1)/2二元方程组(f8)：

方程组(f8)中，d(i)为第i个位置点与距离第i个位置点最近的定位基站之间的实际距离，d(j)为第j个位置点与距离第j个位置点最近的定位基站之间的实际距离；

步骤m4、定位服务器求解方程组(f8)，获得所述p和所述θ的取值。

上述的一种抑制nlos时延误差的矿井toa目标定位方法，其特征在于：步骤七中所述定位服务器采用几何算法对待定位目标的目标位置进行进一步估计，得到定位卡和定位基站a之间的距离以及定位卡和定位基站a之间的距离采用的计算公式为：

公式组(f9)中，d为定位基站a和定位基站b之间的距离。

本发明与现有技术相比具有以下优点：

1、本发明在sds-twr方法抑制同步时延和消除计时误差的基础上，结合矿井巷道nlos时延的特点，首先采用基于新息阈值的卡尔曼滤波方法消除随机nlos时延误差，然后利用参数拟合抑制固定nlos时延误差，最后采用几何算法对距离数据进行归一化估计；方法步骤简单，实现方便。

2、本发明不仅能够抑制同步时延，消除计时误差，还能够消除随机nlos时延误差和固定nlos时延误差，与现有技术相比，能够更加有效地提高toa定位精度，能够满足当前矿井井下的定位精度要求。

3、本发明进行基于新息阈值的卡尔曼滤波时，创造性地提出了将迭代过程中大于阈值δe的新息值ε(k)用前一次新息值ε(k-1)覆盖，再进行本次的迭代运算，与现有技术相比，能够更加有效地消除随机nlos时延误差，能够有效提高矿井toa定位精度。

4、本发明采用神经网络专家系统获得新息阈值δe，使得新息阈值δe的取值不至于过大，也不至于过小，能够更加有效地消除随机nlos时延误差，能够有效提高矿井toa定位精度。

5、本发明在采用参数拟合抑制固定nlos时延误差后，还采用几何算法对目标位置进一步估计，能够进一步抑制固定nlos时延误差，能够有效提高矿井toa定位精度。

6、本发明能够有效抑制巷道nlos时延误差，对矿井toa定位精度有了明显提高，可以实现toa方法在矿井nlos环境中的有效应用，实用性强，使用效果好，便于推广使用。

综上所述，本发明的方法步骤简单，实现方便，能够有效抑制巷道nlos时延误差，能够有效提高矿井toa定位精度，实用性强，使用效果好，便于推广使用。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

图1为本发明的方法流程框图。

图2为本发明定位基站和定位卡在矿井井下巷道中的分布图。

图3为本发明定位基站a采用sds-twr方法消除同步时延和计时误差的示意图。

图4为本发明定位基站b采用sds-twr方法消除同步时延和计时误差的示意图。

图5为本发明定位数据存在正向偏移的示意图。

图6为本发明经基于新息阈值的卡尔曼滤波处理后的定位曲线图。

图7为本发明经基于新息阈值的卡尔曼滤波处理后的误差曲线图。

图8为本发明整体处理后的定位曲线图。

图9为本发明整体处理后的误差曲线图。

图10为本发明具体实施例中不同方法的误差比较曲线图。

附图标记说明:

1—定位基站；2—定位卡；3—定位服务器；

4—井下作业人员；5—机车。

具体实施方式

如图1所示，本发明的抑制nlos时延误差的矿井toa目标定位方法，包括以下步骤：

步骤一、在矿井井下巷道中均匀设置多个定位基站1，在待定位目标上设置定位卡2(例如，待定位目标是井下作业人员4，则井下作业人员4携带定位卡2)，且使相邻两个定位基站之间的距离相等；

本实施例中，如2所示，矿井井下巷道呈具有分支的带状或条状分布，多个定位基站1按照矿井井下巷道的实际走向，采用直线方式安装，定位基站配备有检测信号方向的双向定向天线，且均安装在巷道顶板中点这个最佳安装位置，相邻两个定位基站之间的距离固定。

步骤二、定位卡2按照时间间隔δt分别向距离其最近的定位基站a和定位基站b发送距离检测信号；

步骤三、t时刻，定位基站a采用sds-twr方法消除同步时延tsa和计时误差tea后，将电磁波信号在定位卡2和定位基站a之间的传播时间tza传输给定位服务器3；定位基站b采用sds-twr方法消除同步时延tsb和计时误差teb后，将电磁波信号在定位卡2和定位基站b之间的传播时间tzb传输给定位服务器3；

本实施例中，步骤三中定位基站a采用sds-twr方法消除同步时延tsa和计时误差tea的具体方法为：首先，如图3所示，定位基站a将电磁波信号从定位卡2向定位基站a传播时的传播时延记为t1a，反应时延记为t2a；将电磁波信号从定位基站a向定位卡2传播时的传播时延记为t3a，反应时延记为t4a；然后，定位基站a根据公式计算得到电磁波信号在定位卡2和定位基站a之间的传播时间tza。其中，sds-twr方法包括两次双路对称测量，第1次测量定位卡2向定位基站a发送信号的时间，第2次测量定位基站a向定位卡2发送信号的时间。

本实施例中，步骤三中定位基站b采用sds-twr方法消除同步时延tsb和计时误差teb的具体方法为：首先，如图4所示，定位基站b将电磁波信号从定位卡2向定位基站b传播时的传播时延记为t1b，反应时延记为t2b；将电磁波信号从定位基站b向定位卡2传播时的传播时延记为t3b，反应时延记为t4b；然后，定位基站b根据公式计算得到电磁波信号在定位卡2和定位基站b之间的传播时间tzb。其中，sds-twr方法包括两次双路对称测量，第1次测量定位卡2向定位基站b发送信号的时间，第2次测量定位基站b向定位卡2发送信号的时间。

步骤四、定位服务器3采用基于新息阈值的卡尔曼滤波算法对其接收到的电磁波信号在定位卡2和定位基站a之间的传播时间tza和电磁波信号在定位卡2和定位基站b之间的传播时间tzb进行基于新息阈值的卡尔曼滤波，抑制巷道随机nlos时延误差tnlos，得到消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡2和定位基站a之间的传播时间ttoa,a和消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡2和定位基站b之间的传播时间ttoa,b；

卡尔曼滤波的实质是把某时刻的状态量与当前时刻的测量值联系起来，以某种最优的方式求解当前状态的线性最小方差估计值问题。

本实施例中，步骤四中所述定位服务器3采用基于新息阈值的卡尔曼滤波算法对其接收到的电磁波信号在定位卡2和定位基站a之间的传播时间tza和电磁波信号在定位卡2和定位基站b之间的传播时间tzb进行基于新息阈值的卡尔曼滤波，抑制巷道随机nlos时延误差tnlos，得到消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡2和定位基站a之间的传播时间ttoa,a和消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡2和定位基站b之间的传播时间ttoa,b的具体过程为：

步骤401、所述定位服务器3根据公式(f1)进行状态预测

公式(f1)中，为第k次状态预测状态变量的预测矩阵，φ为第k次状态预测状态转移矩阵，为第k次的前一次状态预测状态变量的估计矩阵；

本实施例中，所述φ的取值为

步骤402、所述定位服务器3根据公式(f2)确定第k次状态预测的预测误差

公式(f2)中，为第k次状态预测的预测误差，为第k次的前一次状态预测的估计误差的协方差矩阵，q为输入白噪声的协方差矩阵；

步骤403、所述定位服务器3根据公式(f3)确定测量矩阵y(k)对应的新息值ε(k)；

公式(f3)中，y(k)＝hx(k)+v(k)，h为观测矩阵，v(k)为观测噪声，x(k)为第k次状态预测的状态变量；当对电磁波信号在定位卡2和定位基站a之间的传播时间tza进行基于新息阈值的卡尔曼滤波时，x(k)＝[tza,kt′za,k]，tza,k为第k次状态预测时电磁波信号在定位卡2和定位基站a之间的传播时间的待估计值，t′za,k为tza,k的一阶导数；当对电磁波信号在定位卡2和定位基站b之间的传播时间tzb进行基于新息阈值的卡尔曼滤波时，x(k)＝[tzb,kt′zb,k]，tzb,k为第k次状态预测时电磁波信号在定位卡2和定位基站b之间的传播时间的待估计值，t′zb,k为tzb,k的一阶导数；

本实施例中，所述h的取值为[10]。

步骤404、所述定位服务器3根据公式(f4)确定第k次状态预测的卡尔曼增益矩阵k(k)；

公式(f4)中，r为观测白噪声的协方差矩阵；

步骤405、所述定位服务器3根据公式(f5)确定第k次状态预测状态变量的估计矩阵

公式(f5)中，ε(k-1)为第k次的前一次状态预测的测量矩阵y(k-1)对应的新息值，δe为新息阈值；

且当ε(k)＞δe时，将ε(k)用ε(k-1)覆盖；

由于基于新息阈值的卡尔曼滤波算法的作用是消除随机nlos时延，所以需要将迭代过程中大于阈值δe的新息值ε(k)用前一次新息值ε(k-1)覆盖，再进行本次的迭代运算。

本实施例中，所述δe的取值采用神经网络专家系统获得，具体过程为：

步骤i、构建初始知识库；初始知识库中的数据是通过实验统计得到的巷道中的固定设施和移动对象引起的toa目标定位距离的波动范围，所述固定设施包括皮带输送机、通风设备、轨道、支护、锚杆、巷道顶板、巷道底板和架空线，所述移动对象包括行驶中或临时停靠的机车；

步骤ii、建立并训练bp神经网络，所述bp神经网络包括输入层、中间层和输出层，输入层包括固定设施和移动对象两种输入节点，输出层包括新息阈值δe一个输出节点，训练完成得到神经网络专家系统；

步骤iii、采用正向推理方向；

步骤iv、将待定位目标所处矿井井下巷道中的固定设施和移动对象情况输入神经网络专家系统，得到定位需要的新息阈值δe。

新息阈值δe的设定需要依据巷道的固定设施和移动对象的具体情况而定，若阈值δe过大，则可能造成巷道突发nlos时延不能有效滤除；若阈值δe过小，则会使处于可预测范围内的巷道固定nlos时延偏差不当舍弃，影响定位精度。本发明采用神经网络专家系统获得新息阈值δe，使得新息阈值δe的取值不至于过大，也不至于过小，能够更加有效地消除随机nlos时延误差，能够有效提高矿井toa定位精度。

步骤406、所述定位服务器3根据公式(f6)确定第k次状态预测的估计误差的协方差矩阵

公式(f6)中，in为n阶单位矩阵，n的取值与矩阵k(k)h的阶数相等；

步骤407、k的取值加1，重复执行步骤401～406，直至k≥n，得到消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡2和定位基站a之间的传播时间ttoa,a和消除了巷道随机nlos时延误差tnlos后的电磁波信号在定位卡2和定位基站b之间的传播时间ttoa,b，n为距离检测总次数。

步骤五、定位服务器3根据公式d1′＝cttoa,a计算得到经基于新息阈值的卡尔曼滤波后的定位卡2和定位基站a之间的距离测量值d1′，并根据公式d2′＝cttoa,b计算得到经基于新息阈值的卡尔曼滤波后的定位卡2和定位基站b之间的距离测量值d2′；其中，c为电磁信号在空气中的传播速度；

本实施例中，c的取值为3.0×10⁸m/s。

步骤六、定位服务器3根据参数拟合的方法消除距离测量值d1′和距离测量值d2′中由于巷道固定nlos时延误差带来的误差，得到消除了巷道固定nlos时延误差后的定位卡2和定位基站a之间的距离测量值d1以及消除了巷道固定nlos时延误差后的定位卡2和定位基站b之间的距离测量值d2；

本实施例中，步骤六中所述定位服务器3根据参数拟合的方法消除距离测量值d1′和距离测量值d2′中由于巷道固定nlos时延误差带来的误差，得到消除了巷道固定nlos时延误差后的定位卡2和定位基站a之间的距离测量值d1以及消除了巷道固定nlos时延误差后的定位卡2和定位基站b之间的距离测量值d2的具体方法为：所述定位服务器3根据方程(f7)解算得到d1和d2；

方程(f7)中，p为巷道固定nlos时延系数，θ为巷道固定nlos时延指数。

本实施例中，采用了双节点几何定位方法对目标位置进行估计，由于通过基于新息阈值的卡尔曼滤波消除随机nlos时延误差的toa测量值中还含有巷道固定nlos时延误差，如图5所示，数据均存在正向偏移，因此，还进行了步骤六，用于消除固定nlos时延误差。

本实施例中，所述p和所述θ的取值获得方法为：

步骤m1、在矿井井下巷道无机车5干扰的情况下，待定位目标在矿井井下巷道内移动经过任意m个位置点，且每经过一个位置点，距离该位置点最近的定位基站就检测电磁波信号在待定位目标上的定位卡2与定位基站之间的传播时间并传输给定位服务器3；

本实施例中，m的取值为20～100的正整数；

步骤m2、定位服务器3根据公式d'(i)＝ct(i)计算第i个位置点与距离第i个位置点最近的定位基站之间的测量距离d'(i)，其中，t(i)为经过第i个位置点时，距离该位置点最近的定位基站检测到的电磁波信号在待定位目标上的定位卡2与定位基站之间的传播时间；

步骤m3、定位服务器3根据m个位置点与距离该位置点最近的定位基站之间的实际距离和测量距离建立包含未知量p和θ的m(m-1)/2二元方程组(f8)：

方程组(f8)中，d(i)为第i个位置点与距离第i个位置点最近的定位基站之间的实际距离，d(j)为第j个位置点与距离第j个位置点最近的定位基站之间的实际距离；

步骤m4、定位服务器3求解方程组(f8)，获得所述p和所述θ的取值。

步骤七、定位服务器3采用几何算法对待定位目标的目标位置进行进一步估计，得到定位卡2和定位基站a之间的距离以及定位卡2和定位基站a之间的距离

本实施例中，步骤七中所述定位服务器3采用几何算法对待定位目标的目标位置进行进一步估计，得到定位卡2和定位基站a之间的距离以及定位卡2和定位基站a之间的距离采用的计算公式为：

公式组(f9)中，d为定位基站a和定位基站b之间的距离。

电磁波的nlos(nonlineofsight)传播是由于电磁波信号传播环境中存在障碍物，致使信号无法按照直射径传播，而是通过反射等方式传播迫使电磁波传输路径变长的一种现象。所以在进行toa测距时，toa测量值中包含了由于nlos传播所导致的增量，即电磁波传播的nlos时延误差。矿井巷道中存在着大量基建设施、生产设备和安全设备等固定设施，而且这些固定设施在同一段巷道内以相同的单位体积或截面沿巷道走向设置，从而造成了相对稳定、具有一定规律性的巷道固定nlos时延。巷道中还存在机车等移动设备，它们会随机改变巷道内的信号传播环境，从而造成了具有显著性、随机性、难以定量分析的巷道随机nlos时延。同时巷道随机nlos时延和巷道固定nlos时延均会形成的误差均具有正向性，所以应根据巷道不同nlos时延的特点采用相应的算法对其进行抑制，从而达到提高toa定位精度的目的。

本发明在sds-twr方法抑制同步时延和消除计时误差的基础上，结合矿井巷道nlos时延的特点，首先采用基于新息阈值的卡尔曼滤波器的预估值替代测量过程中偏差较大的数据，达到消除随机nlos时延误差的目的；然后利用参数拟合，拟合出巷道内固定nlos时延模型，从而求解出抑制固定nlos时延后的距离数据，然后采用几何算法对距离数据进行归一化估计。

为了验证本发明能够产生的技术效果，进行了matlab仿真分析，具体如下：

孙继平等人在2014第43期第6卷的《中国矿业大学学报》第1127-1133页发表了论文《基于卡尔曼滤波和指纹定位的矿井toa定位方法》，在永城煤电集团有限责任公司的实训基地进行了测量，实验环境是具有机车轨道的平直巷道，现场示意图如图2所示，相邻两个定位基站之间的距离为60m，定位基站a周围固定设备较多，携带识别卡的作业人员沿着定位基站a到定位基站b的方向，以约1.5m/s的速度匀速前进，时间间隔δt的取值为2s，基于新息阈值的卡尔曼滤波的新息阈值δe＝5/c。实验和仿真数据如表1所示。

表1实验和仿真数据

本文以表1中的实际数据和测量数据分别作为基于新息阈值的卡尔曼滤波的实际值x(k)和测量值y(k)进行滤波，得到了经基于新息阈值的卡尔曼滤波处理后的结果如表1所示，定位曲线如图6所示，误差曲线如图7所示。图6和图7中，将经卡尔曼滤波处理表示为策略一。

在基于新息阈值的卡尔曼滤波处理结果的基础上组合步骤六和步骤七中的方法，求得巷道固定nlos时延系数p＝2.5964，巷道固定nlos时延指数θ＝0.0965，整体处理结果如表1所示，定位曲线如图8所示，误差曲线如图9所示。图8和图9中，将经基于新息阈值的卡尔曼滤波处理表示为策略一，将基于新息阈值的卡尔曼滤波处理组合步骤六和步骤七中的方法表示为组合策略。

以上数据和仿真结果表明：采用sds-twr方法直接测的原始数据误差范围为2.1m～8.1m，平均误差为3.7m，包含有巷道随机nlos时延误差和巷道固定nlos时延误差；数据经过基于新息阈值的卡尔曼滤波处理后误差在1.9m～3.1m之间，平均误差为2.4m，即滤除了巷道随机nlos时延误差，但还存在巷道固定nlos时延误差；采用基于新息阈值的卡尔曼滤波处理结果的基础上组合步骤六和步骤七中的方法，整体处理后的数据误差范围为0～0.8m，平均误差降为0.3m，巷道nlos时延误差基本消除。不同方法的误差数据如表2所示，误差比较曲线如图10所示。图10中，将基于新息阈值的卡尔曼滤波处理组合步骤六和步骤七中的方法表示为组合策略，将论文《基于卡尔曼滤波和指纹定位的矿井toa定位方法》表示为文献9。

表2不同方法误差数据

由表2和图10可知，本发明所提方法较sds-twr方法和论文方法的定位精度分别提高了92.3％和57.1％。

综上所述，本发明的方法能够有效抑制巷道nlos时延误差，对矿井toa定位精度有了明显提高，可以实现toa方法在矿井nlos环境中的有效应用。

以上所述，仅是本发明的较佳实施例，并非对本发明作任何限制，凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化，均仍属于本发明技术方案的保护范围内。