一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法
【专利摘要】本发明公开了一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法，在煤矿井下需要目标定位的区域内，部署多个信标节点并合理选取出若干个采样位置，并按以下四个步骤进行构建离线虚拟训练集和实现井下定位算法：一是搭建井下无线传感器定位网络；二是离线构建虚拟训练数据集；三是在线定位目标；四是形成基于高斯模型的马尔科夫链定位算法。本发明将无线通信应用于最为急需和适合的煤矿井下通信与监测系统中，完成井下无线定位算法的研究与实现，具有极强的理论研究价值和广泛的市场应用。它极大地考虑了目标运动状态和节点采样特点，抑制了运动目标位置估计可能产生的大幅度跳变，从而提高定位精度，在80米的定位区域内，定位均方根误差为3.217m。
【专利说明】一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法
[0001]
【技术领域】
[0002]本发明涉及一种无线电领域中的定位算法；具体地说，涉及一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法。
【背景技术】
[0003]煤炭工业是关系国家经济命脉的重要基础产业，是支撑我国⑶P增长的重要一次性能源。煤矿井下地质条件恶劣，巷道长度可达几十公里，采煤机电设备配置多，人员流动性大，巷道和掘进工作面空间狭窄，巷道四壁表面粗糙，巷道中安放着大量大功率机电设备、通风设备和安全支护设备，环境中存在着大量的有爆炸危险气体，电磁波在此环境中传播受到很大的影响。近年来，定位导航系统不管是在军用还是民用领域中都有着广泛的成功应用，这种基于位置的服务(Location-Based Service, LBS)包含了个人安全服务、交通导航系统以及本地信息服务等。随着普适计算的推广，作为物联网重要的支撑技术之一，无线定位技术在“感知煤矿”中的应用越来越得到学术界的关注。煤矿巷道一般深处地下几百米到几十千米，因此地面上广为使用的GPS(Global Positioning System)在井下完全失效。伴随着无线传感器网络的迅猛发展，无线传感器节点为煤矿井下特殊复杂的信道环境中人员及设备提供准确实时的位置信息服务逐渐成为可能。
[0004]自20世纪末以来，国内外井下监控系统中采用的无线信号有红外、超声波、射频信号。其中红外和超声波定位技术精度高但硬件设备开销大，并且只能进行视距传输，采用射频信号的技术例如WiF1、ZigBee, UWB、RFID传输距离远、无视距要求、设备成本低。目前，采用射频信号的定位技术一般利用信号的某种传输特征参数如传输时间(Time ofArrival, Τ0Α)、到达角度(Angle of arrival, Α0Α)、接收信号强度(Receive SignalStrength Indicator, RSSI)进行定位。井下环境与室内环境类似都受到多径效应和阴影效应的影响，信号到达接收端具有不同的时延和入射角，TOA和AOA参数估计误差相对较大，且分别需要精确的时间同步和天线阵列。RSSI由射频芯片本身提供，硬件需求低，方便获取，因此，基于RSSI的煤矿井下定位技术目前受到较大关注。
[0005]在自由空间中，设发射功率为Pt ,发射天线增益为Gt，接收功率为Pk ,接收天线增益为Gk，其中λ为自由空间载波波长。接收功率由Friis自由空间方程式决定:
Pe = Ge Gt Pt ( λ /4 31 ?/) 2(I)
在大多数环境中 ，经过推导并用接收信号强度(Received Signal StrengthIndication, RSSI)取代接收功率，可得到信号衰减模型:
K⑵
其中，J0为参考距离通常取lm, A8为在J0处的信号接收强度，η为信道衰减因子,Xir
是一个均值为O方差为σ的高斯随机变量，与具体定位环境有关。该模型能够将RSSI转化为实际距离。[0006]虽然基于RSSI的定位算法有诸多优点，但煤矿井下信道复杂，信号的多径衰落非视距传输无法避免，RSSI极易受到这些因素的影响导致测距不准，误差无法避免。
【发明内容】
[0007]本发明正是为了解决上述技术问题提出的一种针对煤矿井下特殊环境的定位算法，它以10T-N0DE2530作为硬件平台，采用低功耗、自组织的Z-stack通信协议栈，共同搭建了定位算法的实现平台。
[0008]本发明解决其技术问题所采用的技术方案是:
一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法，其在煤矿井下需要目标定位的区域内，部署多个信标节点并合理选取出若干个采样位置，并按以下四个步骤进行构建离线虚拟训练集和实现井下定位算法:
步骤1:搭建井下无线传感器定位网络，其方法包括:
①网关节点作为协调器，信标节点和移动节点作为终端设备，网关节点广播信标节点配置请求和移动节点配置请求，配置4个信标节点和I个移动节点信息；
②移动节点广播ClusterId为I的定位数据帧；
③信标节点接收到该数据帧后，提取RSSI存入负载，并向网关节点发送ClusterId为2的数据帧；
④网关节点分别接收到4 个信标节点发来的数据帧，对其进行处理并作为指纹信息通
过串口发送到上位机；
步骤2:离线构建虚拟训练数据集:
不同位置信道衰减因子η由式(2)计算可得为:
【权利要求】
1.一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法，其特征在于:在煤矿井下需要目标定位的区域内，部署多个信标节点并合理选取出若干个采样位置，并按以下四个步骤进行构建离线虚拟训练集和实现井下定位算法: 步骤1:搭建井下无线传感器定位网络，其方法包括: I网关节点作为协调器，信标节点和移动节点作为终端设备，网关节点广播信标节点配置请求和移动节点配置请求，配置4个信标节点和I个移动节点信息； S移动节点广播Cluster Id为1的定位数据帧； S信标节点接收到该数据帧后，提取RSSI存入负载，并向网关节点发送Cluster Id为2的数据帧； Φ网关节点分别接收到4个信标节点发来的数据帧，对其进行处理并作为指纹信息通过串口发送到上位机； 步骤2:离线构建虚拟训练数据集: 不同位置信道衰减因子η由式(2)计算可得为:
2.根据权利要求1所述的一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法，其特征在于:选取80m*3m的区域作为虚拟训练区，每20m部署一个信标节点，共部署4个，在该区域合理划分出81个采样位置；每隔Im进行一次采样，每次采样采集50组数据。
3.根据权利要求1所述的一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法，其特征在于:在离线采集指纹训练集的过程中均将I个测试节点佩戴在人员腰部。
4.根据权利要求1所述的一种基于虚拟训练集和马尔科夫链的煤矿井下定位方法，其特征在于:在离线训练阶段，首先，获取各个采样位置上每个信标节点的RSSI ;其次，经过卡尔曼滤波器作为指纹特征值，以指纹特征值作为训练数据集；然后，分别以10m、5m、2m作为间隔对训练集进行采样；最后，利用动态衰减因子插值算法(2)~(5)式建立虚拟样本训练数据集。
【文档编号】H04W64/00GK103796304SQ201410017796
【公开日】2014年5月14日 申请日期:2014年1月15日 优先权日:2014年1月15日
【发明者】崔丽珍, 李蕾, 高丽丽, 员曼曼, 史明泉 申请人:内蒙古科技大学