CN102680941A - 煤矿井下超宽带定位方法及系统 - Google Patents

Abstract

本发明公开了一种煤矿井下超宽带定位方法及系统。本方法采用基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术，用一种非参数NLOS鉴别方法来进行NLOS鉴别，然后根据NLOS鉴别结果分配相应的加权因子，构造一个新的加权最小二乘法定位算法，并用该算法来估计出目标节点的位置。本系统包括远程监视层的浏览器服务器，数据服务器，地面监控终端，交换机，现场监控层的目标节点，参考节点，网关和基站，其中应用于井下的设备均是本质安全型的。本发明抗干扰能力强，定位精度高，成本低，系统设备结构简单，能耗小等特点，更加适合巷道工作环境。

Description

煤矿井下超宽带定位方法及系统

技术领域

本发明涉及煤矿井下安全监控领域，具体的说是涉及一种煤矿井下超宽带精确定位方法及系统。

背景技术

煤炭是我国的主要能源，但煤矿井下的工作环境恶劣，地质环境复杂，开采技术相对落后，井下生产人员素质较低，导致各种矿井的恶性事故不断发生，一旦事故发生，地面人员难以及时动态的掌握井下人员的分布及作业情况，抢险救灾效率低。井下工作人员的生命安全受到严重威胁。随着科学技术的不断进步，人们在井下布设了多种探测系统和监控系统，以便获知井下工作人员的位置，方便在发生矿难时及时开展救援工作以及日常生产中的管理调度。因此有必要研究矿井下目标精确定位系统与方法，这是矿井生产、调度和抢险救灾等的关键环节。

传统的煤矿井下无线测距与定位技术很多，包括红外线、超声波、射频识别、蓝牙、ZigBee和WiFi等，但这些方法都存在一定的局限性：红外线穿透性差，只适合短距离传输，且容易被灯光干扰；超声波受多径环境的影响严重；射频识别方法信号不稳定；蓝牙技术成本高，复杂环境中稳定性较差；基于ZigBee和WiFi等技术的计算电磁波能量的定位系统，在用于位置检测时难以达到很好的精度。

超宽带(UWB)作为一门新兴的无线通信技术，采用冲击无线电(IR)的形式，通过发送皮秒至纳秒级的非正弦窄脉冲传输数据。超宽带无线通信系统具有许多与其他无线通信系统完全不同的特点：具有高速、低成本、低功耗、定位精确、时间分辨率高、抗多径干扰、穿透能力强等优点，因此，基于超宽带的定位技术非常适合在煤矿井下使用。

矿井下最主要的问题是非视距(NLOS)传输严重，一些基于到达时间(TOA)的超宽带定位技术，由于没有鉴别和消除NLOS传播误差，造成该类定位系统无法达到精确定位的要求。

发明内容

为了克服以上不足，特别是为了克服矿井定位系统抗干扰能力差、定位精确度低、矿井定位设备体积受限、超宽带信号在矿井下存在NLOS传播等问题，本发明提供了一种精确的矿井下超宽带定位方法及系统。该方法及系统充分利用超快带技术抗干扰能力强、定位精确、系统设备结构简单等特点，并结合巷道空间的实际特点，利用有限的参考节点和简单的算法实现实时精确的目标定位，满足了矿井生产调度和灾后及时救援的需要。

为了实现上述目的，本发明提供一种基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术：根据煤矿井下巷道实际特点，在巷道的两侧边缘沿一定的距离线性部署参考节点，目标定位时，首先根据接收信号强度值确定参与目标节点精确定位的参考节点，并估计出每次来自目标节点的超宽带定位信号的到达时间(TOA)，在计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别，根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子，构造加权因子最小二乘法定位算法的目标函数，并计算出目标节点的位置。

所述煤矿井下超宽带定位方法，包括以下步骤：

A.确定参与目标节点精确定位的参考节点，并计算出每次来自目标节点的超宽带定位信号的到达时间(TOA)，重复进行M次；

B.根据每个参考结点估计出的M个TOA值，计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别；

C.根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子；

D.根据分配的加权因子，构造加权因子最小二乘法定位算法的目标函数，并估计目标节点的位置。

所述步骤A包括下列步骤：

A1.在巷道的两侧边缘沿一定的距离线性部署参考节点；

A2.在目标节点MS进入巷道后，MS向周围内的参考节点周期性地广播定位请求信号，连续发送M次，参考节点收到定位请求信号后，从中提出一组接收信号强度指示值(RSSI)，然后对这组RSSI值求平均，并记录该平均值；

A3.目标节点MS发送完M次定位请求后广播一次收集RSSI信息，这时周围参考节点会向该目标节点回复其记录的RSSI平均值，目标节点收集完RSSI信息后，如果收集到的RSSI值的个数小于3个，则再重新广播定位请求信号；否则，对收集到的RSSI值进行排序，并选取最大的3个作为参考节点，并向这3个参考节点再发送M次定位信号；

A4.参考节点每次接收到定位信号后，将接收到的信号r(t)通过平方器后再进行积分采样，获得信号的能量采样序列： $Y_n={\∫}_{(n-1)T_b}^{T_b}\left|r{\left(t\right)}^2\right|\mathrm{dt}(n=\mathrm{1,2},...,N),$ N＝T_f/T_b，其中n表示能量块的序列号，T_b表示积分周期，T_f表示帧周期，N表示一帧内能量块数；

A5.根据所述的能量采样序列与设定的门限值θ进行比较，将第一个超出门限的能量块作为直接路径DP所在的采样块，即

(n＝1，2，…，N)，其中Y_n为信号的能量采样序列，

表示DP所在的能量块，θ表示判别门限，

表示DP到达目标的时间。

所述步骤B包括下列步骤：

B1.参考结点在估计出了M个TOA后，可以计算出M个相应的距离值，对于第i(i＝1，…，M)次测量，在视距(LOS)情况下r_i＝s+n_noise，NLOS情况下r_i＝s+n_noise+n_NLOS，其中r_i表示第i次的距离测量值，s表示目标节点和参考节点之间的真实距离，n_noise表示测量噪声，n_NLOS表示NLOS误差；

B2.计算测量噪声n_noise的概率密度函数(PDF)，在LOS情况下，n_noise可表示为0均值标准差为σ的高斯随机变量，它的概率密度函数表示为： $P_{\mathrm{noise}}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-x^2/\left(2{\mathrm{\σ}}^2\right)};$

B3.根据所述测量噪声的概率密度函数P_noise(x)，计算LOS情况下距离测量值r_i(i＝1，…，M)的PDF：

其中s表示目标节点和参考节点之间的真实距离；

B4.根据所述的M个距离测量值r_i(i＝1，…，M)，计算测量距离的

其中Φ(x)表示高斯窗或矩形窗的窗函数，L表示缩放参数，r_i表示第i个距离测量值；

B5.根据所述的P_noise(x-s)和

计算P_noise(x-s)和

之间的最小距离： $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)=\∫{\hat{P}}_r\left(x\right)\log \frac{{\hat{P}}_r\left(x\right)}{P_{\mathrm{noise}}(x-\hat{s})}\mathrm{dx},$ 其中 $\hat{s}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{r}_i$ 表示M个距离测量值r_i(i＝1，…，M)的平均值；

B6.根据所述的最小距离

比较这个最小值和门限值δ的大小，当 $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)\≤\mathrm{\δ}$ 判决为LOS，当 $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)>\mathrm{\δ}$ 则判决为NLOS，其中门限值δ表示如下：δ′＝δ-L²σ_ω ²/(2σ²)(σ_ω ²＝∫x²Φ(x)dx)，L表示所选窗函数的缩放参数，σ表示LOS情况下测量噪声n_noise的标准差。

所述步骤C中，根据第j个参考节点的NLOS鉴别结果为其分配加权因子，当第j个参考节点被判定为LOS状态时，为其分配的加权因子为k_j＝1；当该参考节点被判定为NLOS状态时，则为其分配的加权因子为其中i(i＝1，2，…，M)表示第i次测量，j(j＝1，2，3)表示第j个参考节点，r_ji表示第j个参考节点的第i次距离测量值，

表示第j个参考节点的M个距离测量值r_ji的平均值。

所述步骤D包括下列步骤：

D1.根据所述的为参与目标节点精确定位的参考节点分配的加权因子，构造加权因子最小二乘法定位算法的目标函数： $F\left(X\right)=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-||X-X_j|\left|\right)}^2=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-\sqrt{{\left({x-x}_j\right)}^2+{\left({y-y}_j\right)}^2})}^2,$ 其中X(x，y)表示位置坐标变量，X_j(x_j，y_j)(j＝1，2，3)表示第j个参考节点位置坐标，k_j(j＝1，2，3)表示第j个参考节点分配到的加权因子，

表示第j个参考节点的M个距离测量值r_ji的平均值；

D2.根据所述的目标函数F(x)，应用最小二乘法计算目标节点的位置坐标 $X({\hat{x}}_{\mathrm{MS}},{\hat{y}}_{\mathrm{MS}}):(\widehat{x_{\mathrm{MS}}},{\hat{y}}_{\mathrm{MS}})=\arg \underset{X}{\min }\left\{F\left(X\right)\right\}.$

所述的方法通过一个直接序列脉冲超宽带系统来实现超宽带信号的产生。

一种煤矿井下超宽带定位系统，包括远程监视层和现场监控层，所述远程监视层包括浏览器服务器，数据服务器，地面监控终端，交换机；所述现场监控层包括目标节点，参考节点，网关和基站；数据服务器和地面监控终端通过交换机与基站构成有线网络，并通过Internet网络将实时定位数据传送给浏览器服务器；目标节点，参考节点，网关和基站构成超宽带无线定位网络；基站通过光纤或总线挂接在交换机上；目标节点由井下作业人员或者机械装置携带；

所述数据服务器，接收并存储目标节点位置数据；

所述地面监控终端，记录参考节点部署位置信息，根据接收到的距离测量值，进行NLOS鉴别，并根据NLOS鉴别结果和参考节点的部署位置及巷道分布，计算目标节点的精确位置，并将位置信息再发送给数据服务器及浏览器服务器；

所述交换机和基站，负责转发定位信息；

所述网关负责完成超宽带无线定位信息的转发和配置信息的传送；

所述参考节点，放置在网关设备无线信号覆盖范围内，提供一个包含自己位置坐标和RSSI值的信息包给目标节点，完成传输超宽带信号到达时间的计算；

所述目标节点，与井下人员的身份对应，完成参考节点的选取；

所述的系统中涉及的井下设备全部是本质安全型设备。

所述网关包括：微处理器、存储器、总线模块、超宽带天线、电源、通信接口、液晶显示器、选择按键。

所述参考节点包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

所述目标节点包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

所述能量检测接收机结构包括：超宽带天线、低噪声放大器LNA、带通滤波器BPF、平方器、积分器、采样开关、判决器。

本发明的有益效果是：

1.矿井下环境复杂，传统的定位系统无法达到精确定位的要求，通过采用强时间分辨能力的超宽带信号，由于信号占空比极低，多径信号在时间上是可分离的，大大提高了定位方法和系统的抗干扰能力。同时超宽带技术的使用，使终端设备的功耗大幅降低。且因为不需要采用复杂的调制解调技术，使得系统设备结构简单，体积小，适合井下特殊环境的使用。UWB技术有其他无线通信技术无法比拟的优势，它结合无线传感器网络技术可以方便的应用在矿井中，达到较高的定位精度。

2.矿井下最主要的问题是NLOS传输严重，为了减小产生的较大的NLOS定位误差，通过采用非参数NLOS鉴别方法，该方法的主要思想是去比较LOS情况下的PDF和距离测量值的PDF的接近程度，可方便有效的用于NLOS鉴别。

3.为了减小NLOS误差对位置估计恶化的影响，通过采用一种新的加权因子最小二乘法定位算法，该算法的加权因子由NLOS鉴别的结果确定，大小反映了NLOS和LOS参考结点在位置估计中所占的比重，可以较精确的估计出目标节点的位置坐标。

附图说明

图1是本发明的在NLOS情况下基于TOA的定位原理图；

图2是本发明的定位系统组成框图；

图3是本发明的基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术流程框图；

图4是本发明的网关的电路框图；

图5是本发明的能量检测接收机结构的电路框图；

图6是本发明的参考节点和目标节点相同的电路框图；

图7是本发明的实验场景配置图；

图8是本发明的实验测试数据；

图9是本发明的仿真结果图；

图中，1、括数据服务器；2、地面监控终端；3、交换机；4、浏览器服务器；5、基站；6、网关；7、参考节点；8、目标节点。

具体实施方式

为使本发明的技术方案、特点和优点更加清楚，下面结合附图和具体实施方式对本发明进一步说明。

图1是本发明的在NLOS情况下基于TOA的定位原理图。

如图1所示，在基于TOA的UWB定位系统中，每个到达时间τ都决定了一个圆心为参考结点半径为r_i＝c×τ(i＝1，2，3)的圆，其中c为超宽带信号在巷道中传播的速度。如果没有NLOS误差和测量噪声误差，在二维空间中3个由TOA决定的圆可以完全相交于一点，这一点即是目标结点的位置；如果存在NLOS误差和测量噪声误差，其测量距离为真实距离s、NLOS误差和测量噪声误差之和，常情况下，NLOS误差会使测量距离相对于真实距离产生一个较大的正偏差，这会导致目标结点的定位模糊，正如图1所示，目标结点MS的位置位于3个圆的重叠区域内。为了减小NLOS误差对位置估计恶化的影响，首先对目标节点和参考节点之间的信道进行NLOS鉴别，然后通过采用一种新的加权因子最小二乘法定位算法，该算法的加权因子由NLOS鉴别的结果确定，来计算目标节点的精确位置。

图2是本发明的定位系统组成框图。

如图2所示，本发明，一种煤矿井下超宽带定位系统，包括远程监视层和现场监控层，远程监视层包括数据服务器1，地面监控终端2，交换机3，浏览器服务器4；现场监控层包括基站5，网关6，参考节点7，目标节点8；数据服务器1和地面监控终端2通过交换机3与基站5构成有线网络，并通过Internet网络将实时定位数据传送给浏览器服务器4；目标节点8，参考节点7，网关6和基站5构成超宽带无线定位网络；基站5通过光纤或总线挂接在交换机3上；目标节点8由井下作业人员或者机械装置携带。

目标节点8进入巷道后，向周围内的参考节点周期性地广播定位请求信号，根据参考节点回复其记录的RSSI平均值，确定参与目标节点精确定位的参考节点。参考节点7完成传输超宽带信号到达时间的计算，并完成和目标节点之间距离的粗略估计，并将距离测量值通过网关6、基站5和交换机3传送给地面监控终端2。地面监控终端2，根据接收到的距离测量值，进行NLOS鉴别，并根据NLOS鉴别结果和参考节点7的部署位置及巷道分布，计算目标节点的精确位置，并将位置信息再发送给数据服务器1及浏览器服务器4。

图3是本发明的基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术流程框图。

如图3所示，本发明，煤矿井下超宽带定位方法，包括以下步骤：

A.确定参与目标节点精确定位的参考节点，并计算出每次来自目标节点的超宽带定位信号的到达时间(TOA)，重复进行M次；

B.根据每个参考结点估计出的M个TOA值，计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别；

C.根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子；

D.根据分配的加权因子，构造加权因子最小二乘法定位算法的目标函数，并估计目标节点的位置。

步骤A包括下列步骤：

A1.在巷道的两侧边缘沿一定的距离线性部署参考节点；

A2.在目标节点MS进入巷道后，MS向周围内的参考节点周期性地广播定位请求信号，连续发送M次，参考节点收到定位请求信号后，从中提出一组RSSI值，然后对这组RSSI值求平均，并记录该平均值；

A3.目标节点MS发送完M次定位请求后广播一次收集RSSI信息，这时周围参考节点会向该目标节点回复其记录的RSSI平均值，目标节点收集完RSSI信息后，如果收集到的RSSI值的个数小于3个，则再重新广播定位请求信号；否则，对收集到的RSSI值进行排序，并选取最大的3个作为参考节点，并向这3个参考节点再发送M次定位信号；

A4.参考节点每次接收到定位信号后，将接收到的信号r(t)通过平方器后再进行积分采样，获得信号的能量采样序列：

(n＝1，2，…，N)，N＝T_f/T_b，其中n表示能量块的序列号，T_b表示积分周期，T_f表示帧周期，N表示一帧内能量块数；

A5.根据所述的能量采样序列与设定的门限值θ进行比较，将第一个超出门限的能量块作为直接路径DP所在的采样块，即

(n＝1，2，…，N)，其中Y_n为信号的能量采样序列，

表示DP所在的能量块，θ表示判别门限，

表示DP到达目标的时间。

步骤B包括下列步骤：

B1.参考结点在估计出了M个TOA后，可以计算出M个相应的距离值，对于第i(i＝1，…，M)次测量，在LOS情况下r_i＝s+n_noise，NLOS情况下r_i＝s+n_noise+n_NLOS，其中r_i表示第i次的距离测量值，s表示目标节点和参考节点之间的真实距离，n_noise表示测量噪声，n_NLOS表示NLOS误差；

B2.计算测量噪声n_noise的概率密度函数，在LOS情况下，n_noise可表示为0均值标准差为σ的高斯随机变量，它的概率密度函数表示为： $P_{\mathrm{noise}}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-x^2/\left(2{\mathrm{\σ}}^2\right)};$

B3.根据所述测量噪声的概率密度函数P_noise(x)，计算LOS情况下距离测量值r_i(i＝1，…，M)的PDF：

其中s表示目标节点和参考节点之间的真实距离；

B4.根据所述的M个距离测量值r_i(i＝1，…，M)，计算测量距离的

其中Φ(x)表示高斯窗或矩形窗的窗函数，L表示缩放参数，r_i表示第i个距离测量值；

B5.根据所述的P_noise(x-s)和

计算P_noise(x-s)和

之间的最小距离： $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)=\∫{\hat{P}}_r\left(x\right)\log \frac{{\hat{P}}_r\left(x\right)}{P_{\mathrm{noise}}(x-\hat{s})}\mathrm{dx},$ 其中 $\hat{s}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{r}_i$ 表示M个距离测量值r_i(i＝1，…，M)的平均值；

B6.根据所述的最小距离

比较这个最小值和门限值δ的大小，当 $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)\≤\mathrm{\δ}$ 判决为LOS，当 $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)>\mathrm{\δ}$ 则判决为NLOS，其中门限值δ表示如下：δ′＝δ-L²σ_ω ²/(2σ²)(σ_ω ²＝∫x²Φ(x)dx)，L表示所选窗函数的缩放参数，σ表示LOS情况下测量噪声n_noise的标准差。

所述步骤C中，根据第j个参考节点的NLOS鉴别结果为其分配加权因子，当第j个参考节点被判定为LOS状态时，为其分配的加权因子为k_j＝1；当该参考节点被判定为NLOS状态时，则为其分配的加权因子为

其中i(i＝1，2，…，M)表示第i次测量，j(j＝1，2，3)表示第j个参考节点，r_ji表示第j个参考节点的第i次距离测量值，

表示第j个参考节点的M个距离测量值r_ji的平均值。

步骤D包括下列步骤：

D1.根据所述的为参与目标节点精确定位的参考节点分配的加权因子，构造加权因子最小二乘法定位算法的目标函数： $F\left(X\right)=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-||X-X_j|\left|\right)}^2=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-\sqrt{{\left({x-x}_j\right)}^2+{\left({y-y}_j\right)}^2})}^2,$ 其中X(x，y)表示位置坐标变量，X_j(x_j，y_j)(j＝1，2，3)表示第j个参考节点位置坐标，k_j(j＝1，2，3)表示第j个参考节点分配到的加权因子，

表示第j个参考节点的M个距离测量值r_ji的平均值；

D2.根据所述的目标函数F(x)，应用最小二乘法计算目标节点的位置坐标 $X({\hat{x}}_{\mathrm{MS}},{\hat{y}}_{\mathrm{MS}}):(\widehat{x_{\mathrm{MS}}},{\hat{y}}_{\mathrm{MS}})=\arg \underset{X}{\min }\left\{F\left(X\right)\right\}.$

图4是本发明的网关的电路框图。

如图4所示，网关负责完成超宽带无线定位信息的转发和配置信息的传送，包括微处理器9、存储器10、总线模块11、超宽带天线12、电源13、通信接口14、液晶显示器15、选择按键16。网关由包括微处理器9、存储器10、总线模块11的主板17和包括电源13、通信接口14、液晶显示器15、选择按键16的底板18和超宽带天线12组成。

图5是本发明的能量检测接收机结构的电路框图。

如图5所示，能量检测接收机结构包括超宽带天线19、低噪声放大器LNA20、带通滤波器BPF21、平方器22、积分器23、采样开关24、判决器25，用于估计接收超宽带信号的到达时间TOA。

图6是本发明的参考节点和目标节点相同的电路框图。

如图6所示，参考节点和目标节点的电路框图是相同的，包括处理器26、电源27、存储器28、超宽带信号产生单元29、能量检测接收机结构30、超宽带天线31、开关电路32。电源27、存储器28、超宽带信号产生单元29、能量检测接收机结构30均与处理器26相连。处理器26与存储器28一起，负责对接收、发送的数据进行存储和处理，并控制其它单元的运行。超宽带信号产生单元29，用于将待发射的数据转换成脉冲超宽带信号。开关电路32将超宽带天线31与超宽带信号产生单元29和能量检测接收机结构30相连，用于超宽带信号和接收之间的转换。

图7是本发明的实验场景配置图。

如图7所示，为了对所提出的基于非参数NLOS鉴别和加权最小二乘法UWB定位算法的性能进行评估，进行了实验测试。实验巷道的长、宽、高分别为100m、3m和3m，参考结相互点交错的部署在巷道的两侧，相邻参考结点的水平距离为7.5m，即同侧参考结点的距离为15m。设目标结点的真实位置为(x₀，y₀)，估计位置为

则定位误差定义为E：

MS实际位置(x₀，y₀)分别取(0.5，0.5)、(3，1)、(5，1.5)、(7.5，2)、(10，2.5)、(15，2.75)，用该定位算法估计出位置并计算相应的定位误差E。

图8是本发明的实验测试数据。

图8是在图7所示的实验场景配置情况下得到的一组实验测试数据，其中包括LOS参考结点的个数，目标结点的真实位置(x₀，y₀)，估计位置

定位误差定义E。

图9是本发明的仿真结果图。

如图9所示，为了更直观的反应该定位算法的性能，根据图8中的数据用Matlab软件绘制出了相应的数据曲线，得到的上图是真实位置和各种LOS情况下估计位置，反映了定位误差与LOS参考结点个数之间的关系，有图可见LOS参考结点越多定位误差越小，即估计位置越接近实际位置；得到的下图是各种LOS情况下的累积概率分布函数(cdf)，有图可见，当所选的3个参考结点都为LOS时，有90％的定位误差小于0.25m²，当所选的参考结点都是NLOS时，有50％的定位误差小于0.25m²，90％的定位误差小于0.30m²。由此可见，无论在图8中的哪种情况下，该定位算法都可以达到较高的定位精度。

Claims (11)

1.一种煤矿井下超宽带定位方法，其特征在于，包括以下步骤：

A.确定参与目标节点精确定位的参考节点，并计算出每次来自目标节点的超宽带定位信号的到达时间TOA，重复进行M次；

B.根据每个参考结点估计出的M个TOA值，计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别；

C.根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子；

D.根据分配的加权因子，构造加权因子最小二乘法定位算法的目标函数，并估计目标节点的位置。

2.根据权利要求1所述的方法，其特征在于，所述步骤A包括下列步骤：

A1.在巷道的两侧边缘沿一定的距离线性部署参考节点；

A2.在目标节点MS进入巷道后，MS向周围内的参考节点周期性地广播定位请求信号，连续发送M次，参考节点收到定位请求信号后，从中提出一组RSSI值，然后对这组RSSI值求平均，并记录该平均值；

A3.目标节点MS发送完M次定位请求后广播一次收集RSSI信息，这时周围参考节点会向该目标节点回复其记录的RSSI平均值，目标节点收集完RSSI信息后，如果收集到的RSSI值的个数小于3个，则再重新广播定位请求信号；否则，对收集到的RSSI值进行排序，并选取最大的3个作为参考节点，并向这3个参考节点再发送M次定位信号；

A4.参考节点每次接收到定位信号后，将接收到的信号r(t)通过平方器后再进行积分采样，获得信号的能量采样序列：

(n＝1，2，…，N)，N＝T_f/T_b，其中n表示能量块的序列号，T_b表示积分周期，T_f表示帧周期，N表示一帧内能量块数；

A5.根据所述的能量采样序列与设定的门限值θ进行比较，将第一个超出门限的能量块作为直接路径DP所在的采样块，即

(n＝1，2，…，N)，其中Y_n为信号的能量采样序列，

表示DP所在的能量块，θ表示判别门限，

表示DP到达目标的时间。

3.根据权利要求1所述的方法，其特征在于，所述步骤B包括下列步骤：

B1.参考结点在估计出了M个TOA后，可以计算出M个相应的距离值，对于第i(i＝1，…，M)次测量，在LOS情况下r_i＝s+n_noise，NLOS情况下r_i＝s+n_noise+n_NLOS，其中r_i表示第i次的距离测量值，s表示目标节点和参考节点之间的真实距离，n_noise表示测量噪声，n_noise表示NLOS误差；

B2.计算测量噪声n_noise的概率密度函数PDF，在LOS情况下，n_noise可表示为0均值标准差为σ的高斯随机变量，它的概率密度函数表示为： $P_{\mathrm{noise}}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-x^2/\left(2{\mathrm{\σ}}^2\right)};$

B3.根据所述测量噪声的概率密度函数P_noise(x)，计算LOS情况下距离测量值r_i(i＝1，…，M)的PDF：

其中s表示目标节点和参考节点之间的真实距离；

B4.根据所述的M个距离测量值r_i(i＝1，…，M)，计算测量距离的

其中Φ(x)表示高斯窗或矩形窗的窗函数，L表示缩放参数，r_i表示第i个距离测量值；

B5.根据所述的P_noise(x-s)和

计算P_noise(x-s)和

之间的最小距离： $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)=\∫{\hat{P}}_r\left(x\right)\log \frac{{\hat{P}}_r\left(x\right)}{P_{\mathrm{noise}}(x-\hat{s})}\mathrm{dx},$ 其中 $\hat{s}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{r}_i$ 表示M个距离测量值r_i(i＝1，…，M)的平均值；

B6.根据所述的最小距离

比较这个最小值和门限值δ的大小，当 $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)\≤\mathrm{\δ}$ 判决为LOS，当 $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)>\mathrm{\δ}$ 则判决为NLOS，其中门限值δ表示如下：δ′＝δ-L²σ_ω ²/(2σ²)(σ_ω ²＝∫x²Φ(x)dx)，L表示所选窗函数的缩放参数，σ表示LOS情况下测量噪声n_noise的标准差。

4.根据权利要求1所述的方法，其特征在于，所述步骤C中，根据第j个参考节点的NLOS鉴别结果为其分配加权因子，当第j个参考节点被判定为LOS状态时，为其分配的加权因子为k_j＝1；当该参考节点被判定为NLOS状态时，则为其分配的加权因子为

其中i(i＝1，2，…，M)表示第i次测量，j(j＝1，2，3)表示第j个参考节点，r_ji表示第j个参考节点的第i次距离测量值，

表示第j个参考节点的M个距离测量值r_ji的平均值。

5.根据权利要求1所述的方法，其特征在于，所述步骤D包括下列步骤：

D1.根据所述的为参与目标节点精确定位的参考节点分配的加权因子，构造加权因子最小二乘法定位算法的目标函数： $F\left(X\right)=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-||X-X_j|\left|\right)}^2=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-\sqrt{{\left({x-x}_j\right)}^2+{\left({y-y}_j\right)}^2})}^2,$ 其中X(x，y)表示位置坐标变量，X_j(x_j，y_j)(j＝1，2，3)表示第j个参考节点位置坐标，k_j(j＝1，2，3)表示第j个参考节点分配到的加权因子，

表示第j个参考节点的M个距离测量值r_ji的平均值；

D2.根据所述的目标函数F(x)，应用最小二乘法计算目标节点的位置坐标 $X({\hat{x}}_{\mathrm{MS}},{\hat{y}}_{\mathrm{MS}}):(\widehat{x_{\mathrm{MS}}},{\hat{y}}_{\mathrm{MS}})=\arg \underset{X}{\min }\left\{F\left(X\right)\right\}.$

6.根据权利要求1所述的方法，其特征在于，通过一个直接序列脉冲超宽带系统来实现超宽带信号的产生。

7.一种煤矿井下超宽带定位系统，包括远程监视层和现场监控层，其特征在于，所述远程监视层包括浏览器服务器，数据服务器，地面监控终端，交换机；所述现场监控层包括目标节点，参考节点，网关和基站；数据服务器(1)和地面监控终端(2)通过交换机(3)与基站(5)构成有线网络，并通过Internet网络将实时定位数据传送给浏览器服务器(4)；目标节点(8)，参考节点(7)，网关(6)和基站(5)构成超宽带无线定位网络；基站(5)通过光纤或总线挂接在交换机(3)上；目标节点(8)由井下作业人员或者机械装置携带；

所述数据服务器(1)，接收并存储目标节点位置数据；

所述地面监控终端(2)，记录参考节点部署位置信息，根据接收到的距离测量值，进行NLOS鉴别，并根据NLOS鉴别结果和参考节点的部署位置及巷道分布，计算目标节点的精确位置，并将位置信息再发送给数据服务器及浏览器服务器；

所述交换机(3)和基站(5)，负责转发定位信息；

所述网关(6)负责完成超宽带无线定位信息的转发和配置信息的传送；

所述参考节点(7)，放置在网关设备无线信号覆盖范围内，提供一个包含自己位置坐标和RSSI值的信息包给目标节点，完成传输超宽带信号到达时间的计算。

所述目标节点(8)，与井下人员的身份对应，完成参考节点的选取；

所述的系统中涉及的井下设备全部是本质安全型设备。

8.根据权利要求7所述的煤矿井下超宽带定位系统，其特征在于，所述网关(6)包括：微处理器、存储器、总线模块、超宽带天线、电源、通信接口、液晶显示器、选择按键。

9.根据权利要求7所述的煤矿井下超宽带定位系统，其特征在于，所述参考节点(7)包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

10.根据权利要求7所述的煤矿井下超宽带定位系统，其特征在于，所述目标节点(8)包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

11.根据权利要求7所述的煤矿井下超宽带定位系统，其特征在于，所述能量检测接收机结构包括：超宽带天线、低噪声放大器LNA、带通滤波器BPF、平方器、积分器、采样开关、判决器。

Images