基于压缩感知子空间重构的TOA矿井目标定位方法与流程

文档序号:13812286阅读:136来源:国知局

本发明属于煤矿井下安全监控与通信领域,涉及一种基于压缩感知子空间重构的toa矿井目标定位方法,尤其涉及一种煤矿井下定位算法中提高定位性能,降低感知节点采样数据量缩短定位时间的情况。



背景技术:

目标定位作为煤矿井下的重要研究内容之一,同时也是矿井高效安全生产的重要保障,只有在系统采集的信息中包含有位置信息,才能帮助矿井管理人员了解巷道发生了何种事件,协助进行资源的合理调配;并在矿井发生塌陷等事故时,帮助救灾人员掌握矿工的位置以快速制定并实施营救方案;同时还可以辅助确定割煤深度,支撑强度,人员距离等对生产过程起到监控作用。所以,实现煤矿井下目标的精确定位就显得尤为重要了。

而当下流行的gps定位存在只能在卫星覆盖区域内发挥作用的缺点,同时,由于矿井下巷道狭长,粉尘多,人员,煤壁和其他移动设备也会存在干扰的特点,使得其他一些针对地面环境的定位技术没有用武之地。

目前的实现煤矿井下定位的方法主要是基于测距和非测距,其中测距方面主要有基于到达时间toa、基于到达时间差tdoa,基于到达角度aoa和基于功率到达强度rssi等,需要的信标节点数量多,结构复杂,成本高,而且定位精度较低。基于toa定位的基本思想是发射节点发射信号到接收节点的距离与电波的传播时间成正比,它的测量原理是利用电磁波发射速度c已知的条件,根据接收节点接收到的发射节点发射信号的到达时间ttoa,速度乘以时间得到接收节点与发射节点之间的距离c*ttoa=t1-t0。

然而,近年来,随着传感器技术,嵌入式技术以及无线通信技术的飞速发展,无线传感器网络作为一种新兴网络,在国防军事,环境监测,城乡医疗,农业生产等方面都有着广阔的应用前景。同时定位作为无线传感器网络的支撑技术,要满足传感器采集的信息与现实世界产生联系并且具有一定的实际意义,就要求采集到的信息中包含位置信息。同时,要实现目标的精确定位,传感器节点要对目标节点频繁感知,实时采集,得到的数据量庞大,而处理大量数据能耗大,同时对信号采样速率和数据处理速度提出了较高要求,也对传统的香农-奈奎斯特采样定理来说是一个巨大挑战。所以,2006年candes等提出的压缩感知理论就为解决上述问题提出了新的思路。他突破了香农定理的瓶颈,信号采样率即使在不满足奈奎斯特采样定理要求的情况下也能够进行高分辨率信号的采集,即在较少信号采集量的情况下以高概率重构出包含原始信号足够信息的重构信号。

综上所述,煤矿井下目标的精确定位的实际应用中,巷道无线信号的多径干扰以及误差累计很难做到完全消除,那么在这种复杂的传输环境中定位精度就有所下降,而且随着采样数据的增加,系统的能耗就会急剧增加,煤矿井下目标的精确定位方法的实现也会受到限制。为此,我们必须找到一种方法来实现上述方案-让利用少量的感知节点采样数据的目标定位方法在煤矿井下的复杂环境下实现精确定位。



技术实现要素:

本发明的目的在于针对感知节点对目标节点频繁感知,实时采集的过程中,传统的香农奎斯特采样定理对信号采样速率的限制无法满足要求的问题,以及煤矿井下巷道环境复杂的问题,提出一种基于压缩感知子空间重构的toa煤矿井下目标定位方法。该方法是在基于toa的煤矿井下定位方法中引入压缩感知子空间重构方法,使得感知节点采样数据量减少的情况下,提高定位方法的精度。同时,本发明还可以缩短定位时间,降低定位的能耗更利于目标定位方法在煤矿井下的实际应用。

为实现上述目标,本发明采用的技术方案是:一种基于压缩感知子空间重构的toa煤矿井下目标定位方法,所述的目标定位方法包括目标区域划分、压缩感知方法中测量矩阵建立、压缩感知sp定位重构方法粗略定位、toa测距方法精确定位,所述方法包括以下步骤:

(1)由于矿井巷道狭窄,无法在巷道中央或底部布置感知节点,只能在巷道两侧部署位置已知的感知节点,感知节点发送信号给目标节点,在感知节点通信半径内的目标节点能够接收到感知节点发送的信号,根据目标节点接收到的信号确定目标所在区域;

(2)确定目标节点接收到信号的实际时刻,并根据无线信号在空气中的传播速度,得到目标节点与感知节点之间的距离测量值;

(3)利用toa测距模型采集各感知节点i与目标节点j之间的信号传输时间ti,j建立m×n维的测量矩阵φ;

(4)利用m维的测量值向量,使用压缩感知子空间重构定位方法得到目标节点的网格序号,实现粗略定位;

(5)将步骤(2)获得的各目标节点与感知节点之间的距离,利用toa测距模型获得待定位目标节点的位置坐标,最终实现精确定位。

压缩感知理论指出,对可压缩的(稀疏)信号可通过远低于奈奎斯特采样速率进行数据采样后仍能够精确的恢复出原始信号,即只要信号是可压缩的或在某个变换域是稀疏的,那么就可以用一个与变换基不相关的观测矩阵将变换所得高维信号投影到一个低维空间上,然后通过求解一个最优化问题就可以从这些少量的投影(或称观测值)中以高概率重构出原信号。压缩感知方面的研究大都来自于欧美学者关于图像处理方面的研究。原始的压缩感知定位方法在于首先在于稀疏信号表示,构建满足约束等距性(rip)条件的测量矩阵,采用重构方法对目标进行定位。相对于传统基于toa的目标定位方法,大大降低了定位的能耗。

本发明的核心在于对传统的toa定位算法采用压缩感知子空间重构技术,通过压缩感知原理和toa测距方法进行精确定位:

(1)首先根据感知节点的半径对定位区域进行划分达到对网格的选取,对稀疏度低的网络进行区域筛选可以显著提高定位精度。

(2)接着对感知节点的toa信息进行采样并生成观测矩阵,采用基于压缩感知的信号恢复方法可以有效的对稀疏信号进行还原。

(3)最后对还原的稀疏信号(得到的目标节点网格序号)进行toa测距处理,进一步提高定位精度。

为实现上述目的,本发明采用的另一个技术方案是:一种基于压缩感知子空间重构的toa煤矿井下目标定位方法,所述感知节点产生无线电磁波发射信号,根据感知节点的感知半径,据此得到目标节点所在区域;所述感知矩阵由各网格点接收到感知节点发送的无线电磁波信号的信号到达时间构建;所述子空间重构方法是以感知矩阵作为输入,通过迭代计算选择的感知矩阵的k列与残差之间的相关度最大,直到残差值相对于上一次迭代过程变大停止迭代,在定位过程中起到确定目标网格的作用;所述toa测距方法通过已知目标节点与感知节点之间的欧式距离值,并通过toa测距方法中的圆周模型,计算目标节点的位置坐标。由此,方法以较高的精准度进行定位。

本发明新型的有益效果是:

1.本发明提出的基于压缩感知子空间重构的toa煤矿井下定位方法,可以通过对toa信息进行采样获得稀疏测量矩阵,并通过压缩感知子空间重构方法恢复出满足目标网格序号,缩短定位时间。

2.与现有技术相比,本发明提出的基于压缩感知的toa煤矿井下目标定位方法能使感知节点用少于发射频率两倍的样本信息还原出原始信号,降低频繁感知实时采集的定位能耗,减少了环境因素对定位误差的影响,提高定位的精确性。

附图说明

图1是本发明的目标定位方法的流程示意图

图2是本发明的目标定位方法的toa测距原理图

图3是本发明的目标定位方法的系统模型图

图4是本发明的目标定位方法的稀疏信号的恢复流程图

具体实施方式

为了使本发明技术方案的内容和优势更加清楚明了,下面结合附图和具体实施例,对本发明基于压缩感知子空间重构的toa煤矿井下目标定位方法进行进一步的详细说明。应该强调的是,下述说明仅仅是示例性的,而不是为了限制本发明的范围及其应用。

如图1所示,本发明所述的目标定位方法包括目标区域划分、压缩感知方法中测量矩阵建立、压缩感知子空间重构定位方法粗略定位、toa测距方法精确定位,所述方法包括以下步骤:

(1)巷道两侧随机部署的多个位置已知的感知节点发送信号给目标节点,在感知节点通信半径内的目标节点能够接收到感知节点发送的信号,根据目标节点接收到的信号确定目标所在区域;

(2)确定目标节点接收到信号的实际时刻,并根据无线信号在空气中的传播速度,得到目标节点与感知节点之间的距离测量值;

如图2所示,假设目标节点与感知节点的时间同步,根据目标节点接收到的感知节点发射信号的到达时间ttoa,利用电磁波发射速度c已知,得到目标节点与感知节点之间的距离测量值,即di,j=c*ttoa=c*(t1-t0)。

(3)利用toa测距模型采集各感知节点i与目标节点j之间的信号传输时间ti,j建立m×n维的测量矩阵φ;

如图3把煤矿井下巷道分割成网格状进行标定,需要的定位精度越高,网格的划分就越小,形成的观测矩阵就越大。巷道区域内网格点的总数为n,感知节点的个数为m,在每个网格上,进行多次采样,采集所有感知节点感知到网格点的toa(到达时间)值,获取一个m×n维的测量矩阵其中,ti,j表示第j个网格点在第i个感知节点采样的toa值。

(4)利用m维的测量值向量,使用压缩感知子空间重构定位方法得到目标节点的网格序号,实现粗略定位;

如图4所示,在步骤(3)中得到的稀疏采样矩阵可能不具备和信号本身是不相干的。根据压缩感知理论知,压缩感知所处理的信号必须具备稀疏特性或可压缩性,但是实际上绝大部分的时域信号f本身并不稀疏,因此,需要对采样信号做稀疏变换。用一组基ψ={ψ1,ψ2……ψn}对采样信号f做稀疏变换,即其中ψ是n×n的征缴矩阵,f和x都是n维向量。经过稀疏变换后得到稀疏测量值向量y=φψx,其中,ψ是感知节点toa特征。

令a=φψ,矩阵是矩阵a的伪逆,q=orth(at)t,orth(a)是a的正交基。那么存在正交变换使得y=tφf。代入φ,f,t可得

因为是a的伪逆,那么因此y=qx。这里q是一个正交矩阵,并且q满足约束等距性(rip),由于网格点数n>>m(感知节点数量),当测量值向量y的长度大于m=o(klogn)时,就可以精确的重构原始信号即通过计算的最优解就可以得到原始信息号即最后就可得到目标节点的网格序号。

(5)将步骤(2)获得的各目标节点与感知节点之间的距离,利用toa测距模型获得待定位目标节点的位置坐标,最终实现精确定位。

本发明设计了一种在传统的香农奎斯特采样定理限制感知节点对目标节点频繁感知,实时采集的信号采样速率的基于toa的目标定位方法中引入压缩感知子空间重构方法,使得感知节点采样数据量减少的情况下,也能够进行目标的精确定位,进而提高定位方法的精度。同时,本发明还可以缩短定位时间,降低定位的能耗,更利于目标定位方法在煤矿井下的实际应用。

以上所述仅为本发明较佳的实施方式,但本发明的保护范围并不局限于此,但凡熟悉本领域的技术人员在本发明揭露的技术范围内,所作的等效修饰或变换,都应涵盖在本发明的保护范围之内。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1