CN103199923B

CN103199923B - 一种基于可见光通信的井下移动目标光指纹定位跟踪方法

Info

Publication number: CN103199923B
Application number: CN201310140087.8A
Authority: CN
Inventors: 胡青松; 刘伟; 张申; 吴立新
Original assignee: China University of Mining and Technology CUMT
Current assignee: China University of Mining and Technology CUMT
Priority date: 2013-04-22
Filing date: 2013-04-22
Publication date: 2016-04-20
Anticipated expiration: 2033-04-22
Also published as: CN103199923A

Abstract

一种基于可见光通信的井下移动目标光指纹定位跟踪方法，属于煤矿井下移动目标定位跟踪方法。该方法的离线阶段建立光指纹数据库，在线阶段则通过指纹匹配的方式进行目标的定位跟踪；运动目标在移动过程中，通过所携带的接收机检测照明灯基站的信号，随后将计算得到的信息发送给照明灯基站；照明灯基站收到用户信息，计算用户信号相对于基站的方位信息，并将此到达角度信息、基站自身的ID和移动目标传递来的光信号强度、目标ID一起组装成定位数据包传输到定位服务器；定位服务器计算出目标位置。照明灯基站利用基于接收强度的盲自适应多光源检测算法实时追踪目标移动方位，得出目标的精确位置，实现定位跟踪。优点：能够准确、有效估计目标的位置。

Description

一种基于可见光通信的井下移动目标光指纹定位跟踪方法

技术领域

本发明涉及一种煤矿井下移动目标定位跟踪方法，特别是一种基于可见光通信的井下移动目标光指纹定位跟踪方法。

背景技术

由于目标定位在军事、国土资源、交通、航海等诸多方面的巨大应用潜力，国内外已经研究出了许多目标定位方法和实用的定位系统，特别是在地面目标定位方面。在这些方法中，可以分成基于距离的定位和无需距离的定位两大类，前者如TOA、TDOA、AOA、RSSI等，它们在测量出距离后，根据三角测量、近似测量、场景分析、min-max算法、最小矩形算法等方法估计坐标位置；后者如图心算法、DV-Hop、Amorphous、Point-In-Test（PIT）、近似Point-In-Test（APIT）。这些方法都是针对某些具体条件设计的，几乎都有预定的参数假设，不具有直接在矿井中使用的能力。

当前，能够有效运用于煤矿井下的目标定位方法还比较有限，主要有蓝牙技术、超宽带技术、无线传感器网络(ZigBee占主要)技术等。这些技术都属于射频通信，它们受无线频谱的限制，成本较高，不易安装。另外，煤矿井下环境恶劣，空气中分布有大量的煤矿粉尘、可燃气体，而工作面环境除了要面临这些难题之外，还需要解决通信物理空间随时间变化、大型设备众多、通信空间狭小等特殊问题。正是由于这些原因，基于射频识别的定位方法在煤矿井下的稳定性和精度很不理想。

可见光通信(VisibleLightCommunication,VLC)是一种在白光LED技术上发展起来的新兴光无线通信技术，它与传统的射频通信和其它光无线通信相比,具有发射功率高、无电磁干扰、节约能源等优点,即使在恶劣的通信环境下，也能够高效稳定的传输数据。在煤矿井下中，一直有用于照明的可见光源，但是却没有地面常见的背景光干扰，因此，可见光通信在煤矿工作环境具有天然的应用优势。利用可见光通信进行井下的移动目标定位和跟踪，将是解决现有定位难题的一个研究方向。

发明内容

本发明的目的是要提供一种基于可见光通信的井下移动目标光指纹定位跟踪方法，解决现有煤矿井下利用无线射频进行定位跟踪的过程中系统复杂、不稳定、误差较大等问题。

实现本发明目的具体技术方案如下：该基于可见光通信的井下移动目标光指纹定位跟踪方法包括离线阶段和在线阶段；离线阶段建立基于接收强度和角度的光指纹数据库，在线阶段则通过指纹匹配的方式进行目标的定位跟踪；运动目标在井下巷道移动过程中，通过所携带的接收机检测照明灯基站的信号，随后将计算得到的光信号强度、目标ID等信息发送给照明灯基站；照明灯基站判断收到的用户信息是有效的，就计算用户信号相对于基站的方位信息，并将此到达角度信息、基站自身的ID和移动目标传递来的光信号强度、目标ID一起组装成定位数据包传输到定位服务器；定位服务器通过基于差值的模糊预测匹配模式计算出目标位置；照明灯基站利用基于接收强度的盲自适应多光源检测算法实时追踪目标移动方位，把估计出的坐标通过粒子滤波算法加以滤波，便可得出目标的精确位置，实现定位跟踪。

所述的离线阶段：离线指纹数据库建立阶段；

离线阶段通过采集基站发射的光信号数据建立光指纹数据库；在井下巷道中，每隔6-10米安装1个照明灯基站，它兼做照明和通信之用，巷道被按照照明灯基站的覆盖范围划分为一个个存在部分交集的区域；在每个区域，安装一个信标点采集基站的光信号数据，所述的光信号数据为光信号强度和角度，称为光指纹，在服务器中建立基于接收光信号强度和角度的光指纹数据库；同时，对照明灯基站、巷道分区和采集信标点编号，留待后续定位之用；光指纹数据库的构建过程如下：

（1）将巷道划分区域：每隔50米左右建立一个区域光指纹数据库，该长度内将包含5-8个照明灯基站以及相应的信标点信息；根据巷道长度和物理拓扑的不同，整个矿井光指纹数据库可达几十到上百个；对每个光指纹数据库进行分区标识，并将它们存储到定位系统服务器中；由于每个照明灯基站的光线信号覆盖范围较广，为了获得更多的信标点光指纹信息，在每个照明灯基站下面必须还要有3-5个信标点，这样，每个巷道区域将被信标点划分为3-5个子分区，每个子分区内包含一个信标点，用于采集光指纹数据；通过这种子分区的划分，在每个基站下，能够至少采集3个以上的光指纹信息；

（2）建立光指纹数据库：设在固定时长t秒内，设第M个照明灯基站下第个信标点分区计算接收到的照明灯基站的光照能量平均功率为，如果信标点无法接收某照明灯基站的光信号数据，其接收功率就为0；信标点的坐标为已知条件，据此构建信标点坐标数据表，这里的、分别表示信标点相对于照明灯基站M的方位角和距离；

所述的在线阶段：在线定位跟踪阶段；

具体步骤如下：

步骤1：目标携带的光探测接收机接收到照明灯基站发射的光信号后，计算光信号强度，然后将光信号强度和目标标识ID一起组装成数据帧，传输给照明灯基站；

步骤2：照明灯基站检测到目标发射的光信号后，利用基于码片匹配的多用户检测算法对接收到的信息进行识别，判断用户是否有效，若为有效用户，则进入步骤3，否则不进行任何处理；

步骤3：基站利用角度探测通信模型计算用户信号相对于基站的方位信息即到达角度，随后将此到达角度信息、基站自身的ID和目标发射传递来的光信号强度、目标ID一起打包组装成一个定位数据包，通过可见光通信网络传输到定位系统服务器；

步骤4：基站与用户之间利用光信号强度和到达角度信息进行光指纹分区匹配；定位系统服务器将收到的定位数据包进行解析；根据解包得到的信息，可以进行区域判别，即由到达角度信息，识别出目标所在的基站下的信标点分区范围，据此得到目标位置的粗粒度范围估计值；

步骤5：定位系统服务器根据解包得到的光信号强度、到达角度，采用基于差值的模糊预测匹配模式与系统存储的光指纹数据库进行光指纹特性匹配，得出精确的目标位置；

步骤6：当照明灯基站与接收目标进行可见光通信时，基站采用基于接收光信号强度（RSS）的盲自适应多光源检测算法，对信号的移动方位进行实时连续地追踪，并通过粒子滤波算法对估计到的坐标进行滤波，实时确定目标的精确位置，得出目标的移动轨迹；当目标移动到照明灯基站的覆盖边界区域时，进入步骤7，进行照明灯基站间的协同跟踪；

步骤7：照明灯基站向毗邻的基站广播检测到的目标信息，宣告目标即将离开本站的覆盖区域；毗邻基站收到信号后，马上启动边界检测算法，以探测是否有新的目标进入自己所覆盖的区域，从而完成边界状态的实时更新，实现基站间对目标的协同跟踪；如果毗邻基站需要对此目标重新进行定位，转到步骤1。

在步骤4中，所述的利用光信号强度和角度信息进行光指纹匹配，这里采用了基于差值的模糊预测匹配模式，具体实现方法如下：

（1）计算光信号强度差值：假定在步骤1中，目标K在两个连续相同的时间间隔、内接收到基站M的光发射信号的平均功率为、；在步骤3中，确定了目标所在的信标点分区，假设为第个采样信标点；另外，假设此分区内的光强度指纹数据为，对应的坐标数据为，于是可计算接收到基站的光信号强度差值得：

式中，表示第K个目标接收到基站M的光发射信号功率连续变化差值，表示第K个目标在内接收到基站M的光发射信号功率与信标点光指纹的差值，表示第K个目标在内接收到基站M的光发射信号功率与信标点光指纹的差值。

（2）将得到的光信号强度差值变量、、送入到模糊匹配指纹图中，进行光指纹匹配；

所述的模糊匹配指纹图由二维指纹等势差变化图形坐标和模糊预测匹配模式构成；二维指纹等势差变化图形坐标，以信标点采集的光指纹信息为坐标原点，以远离采集点的基站光强度的变化趋势作为特征光指纹信息，这里的表示偏移角度，表示光指纹变化趋势所对应的远离原点坐标的距离；模糊预测匹配模式通过利用光信号强度差值变量数据、、与模糊匹配指纹图中的等势差数据一一相减，差值最小的即是最相近的光指纹估计极坐标；

（3）将光指纹估计极坐标转换成直角坐标，判断目标位置的真实性；由模糊匹配指纹图定位估计的移动目标位置可能并不真实，还需进一步对其估计位置进行判别和预测；在采集信标点的坐标已知的情况下，通过模糊预测匹配模式得到了目标相对于采样信标点的极坐标，据此可以计算目标的实际直角坐标值：

其中，、分别表示在以信标点为直角坐标原点的目标K的、轴方向估计坐标。

在以基站为坐标原点的极坐标系下，信标点坐标为；进行坐标变换，以信标点为坐标原点，则基站的极坐标为，直角坐标值为：

其中，、分别表示在以信标点为直角坐标原点的基站、轴方向位置坐标。则目标相对于基站的直角坐标为:

其中，、分别表示目标K相对于基站在、轴方向的坐标值。因此，目标K相对于基站的方位为：

其中，表示目标K相对于基站的估计方位。这样，目标的定位为和方位为便求出来了；

在线定位跟踪阶段的步骤3中，基站检测到得的用户信号到达角度为，由此计算估计方位与的差值为：

若，说明定位坐标误差较大，可信度较低，应该丢弃；若，说明定位具有很高的可信度，且误差较小，在可信度范围以内，可作为目标运动的实际位置。

有益效果，由于采用了上述方案，在煤矿井下利用可见光通信所具有的传播特性，可实现移动目标的精确定位。传统的无线定位系统需要在井下建立无线传输网络，由于井下环境恶劣，无线电信号在井下传播过程中产生严重的多径现象，造成信号发生变异，使得无线网络的稳定性较差。基于可见光通信的井下移动目标光指纹定位跟踪方法，建立在井下可见光通信系统之上，主要由电力照明系统构成，并且LED光通信具有很高的传输效率，其稳定性非常高。现有的井下无线定位技术主要利用接收信号的强度、到达角度、传播时间等信息估计目标的位置，由于信号的严重变异使得定位误差较大，严重影响了目标定位的性能，无法满足系统要求。本发明通过建立信标点光指纹数据库，犹如在井下规划了一个地图，图中每个区域具有自己特有的模糊匹配指纹图和相应的坐标，这样进一步知道了井下每个区域的光通信特性，同时也消除了井下区域盲点。由于LED光在井下传播稳定可靠性较高，在定位过程中，将接收到的光强度和角度特性与模糊匹配指纹图中的特征通过采用基于差值的模糊预测匹配模式进行匹配，可精确的确定目标在图形中的位置。同时，此方法主要利用匹配模式进行定位，相比其他无线定位方法（如TOA、TDOA、AOA、RSSI）的运算量较小，复杂度低，实时性较高。

优点：通过光检测基站及信标点的分区匹配，能够准确、有效地缩小定位区域，同时利用井下可见光传播的强度和角度特性建立光指纹数据库，可清楚地形成井下光指纹数据地标图，并采用基于差值的模糊预测匹配模式进行匹配定位，更加精确的估计目标的位置，具有相当高的可信度及可靠性。

附图说明

图1为本发明的定位跟踪路线图。

图2为本发明的二维指纹等势差变化坐标图。

具体实施方式

实施例1：

本发明基于可见光通信的井下移动目标指纹定位跟踪方法，首先，离线阶段进行指纹数据库的建立，在线阶段，将接收到的目标光信号的特性与指纹数据库中的进行匹配，估计目标的位置。其具体实施方法如下：

一、离线指纹数据库建立阶段

（1）按照上述方法将巷道划分区域。为了提高光指纹数据库的利用效率，本发明规定每隔50米左右建立一个区域光指纹数据库，该长度内将包含5-8个照明灯基站以及相应的信标点信息。根据巷道长度和物理拓扑的不同，整个矿井光指纹数据库可达几十到上百个。接下来，对每个指纹数据库进行分区标识，并将它们存储到定位系统的服务器中。由于每个照明灯基站的光线信号覆盖范围较广，为了获得更多的信标点指纹信息，要求每个基站下面必须还要有3-5个信标点，这样，每个巷道区域将被信标点划分为3-5个子分区，每个子分区内包含一个信标点，用于采集指纹数据。通过这种子分区的划分，可以使得在每个基站下，能够至少采集3个以上的指纹信息。

（2）建立光指纹数据库。设在固定时长t秒内，设第M个照明灯基站下第个信标点分区计算接收到的照明灯基站的光照能量平均功率为，据此构建光信号指纹数据表，如表1所示。如果信标点无法接收某照明灯基站的光信号，其接收功率就为0。由于信标点的坐标为已知条件，因此可以构建信标点坐标数据表，如表2所示，这里的、分别表示信标点相对于照明灯基站M的方位角和距离。在表1和2中，/表示接收功率或信号坐标为空。表1中的信号强度指纹数据和表2中的位置坐标数据是一一对应的，两个表共同构成可见光定位指纹数据库。

表1光信号指纹数据

	基站1	基站2	基站3	┅	基站i
						信标点1光指纹强度				┅	/
信标点2光指纹强度				┅	/
						┇	┅	┅	┅	┅	/

表2信标点坐标数据

	基站1	基站2	基站3		基站i
						信标点1光指纹坐标				┅	/
信标点2光指纹坐标				┅	/
						┇	┅	┅	┅	┅	/

二、在线定位跟踪阶段

待定位的目标（人员）佩戴或者安装（机车等移动设备）定位终端，当其在井下运动时，利用设备中的光探测接收机接收照明灯基站发射的光信号，定位终端对其进行分析处理，得到光信号强度，并将光信号强度和目标标识ID等信息传输给照明灯基站。照明灯基站收到这些信息后，首先判断用户信息的有效性，如果有效，就对信号强度和到达角度进行分析，并将相关的用户数据信息和照明灯基站ID等信息传输到定位服务器，由定位服务器通过基于差值的模糊预测匹配模式定位出目标位置。基站在接收目标光信号的同时利用基于接收强度（RSS）的盲自适应多光源检测算法，对信号的移动方位进行实时连续地追踪，并通过粒子滤波算法对估计坐标进行滤波，精确确定目标位置。在不影响通信效果的情况下，可有效利用可见光的传播特性和基站协作特性，精确定位和跟踪移动目标。

在图1中，将在线定位跟踪阶段分步骤说明如下：

步骤1：目标携带的光探测接收机接收到照明灯基站发射的光信号后，计算光信号强度，将光信号强度和目标标识ID一起组装成数据帧，传输给照明灯基站；

Claims

1.一种基于可见光通信的井下移动目标光指纹定位跟踪方法，其特征在是，该基于可见光通信的井下移动目标光指纹定位跟踪方法包括离线阶段和在线阶段；离线阶段建立基于接收强度和角度的光指纹数据库，离线阶段通过采集基站发射的光信号数据建立光指纹数据库；在井下巷道中，每隔6-10米安装1个照明灯基站，它兼做照明和通信之用，巷道被按照照明灯基站的覆盖范围划分为一个个存在部分交集的区域；在每个区域，安装一个信标点采集基站的光信号数据，所述的光信号数据为光信号强度和角度，称为光指纹，在服务器中建立基于接收光信号强度和角度的光指纹数据库；同时，对照明灯基站、巷道分区和采集信标点编号，留待后续定位之用；在线阶段则通过指纹匹配的方式进行目标的定位跟踪；运动目标在井下巷道移动过程中，通过所携带的接收机检测照明灯基站的信号，随后将计算得到的光信号强度、目标ID等信息发送给照明灯基站；照明灯基站判断收到的用户信息是有效性的，就计算用户信号相对于基站的方位信息，并将此到达角度信息、基站自身的ID和移动目标传递来的光信号强度、目标ID一起组装成定位数据包传输到定位服务器；定位服务器通过基于差值的模糊预测匹配模式计算出目标位置；照明灯基站利用基于接收强度的盲自适应多光源检测算法实时追踪目标移动方位，把估计出的坐标通过粒子滤波算法加以滤波，便可得出目标的精确位置，实现定位跟踪；

所述的离线阶段：离线光指纹数据库建立阶段；

光指纹数据库的构建过程如下：

(1)将巷道划分区域：每隔50米左右建立一个区域光指纹数据库，该长度内将包含5-8个照明灯基站以及相应的信标点信息；根据巷道长度和物理拓扑的不同，整个矿井光指纹数据库可达几十到上百个；对每个光指纹数据库进行分区标识，并将它们存储到定位系统服务器中；由于每个照明灯基站的光线信号覆盖范围较广，为了获得更多的信标点光指纹信息，在每个照明灯基站下面必须还要有3-5个信标点，这样，每个巷道区域将被信标点划分为3-5个子分区，每个子分区内包含一个信标点用于采集光指纹数据；通过这种子分区的划分，在每个基站下，能够至少采集3个以上的光指纹信息；

(2)建立光指纹数据库：设在固定时长t秒内，设第Μ个照明灯基站下第i个信标点计算接收到的照明灯基站的光照能量平均功率为如果信标点无法接收某照明灯基站的光信号数据，其接收功率就为0；信标点的坐标(θ_(M,i),r_(M,i))为已知条件，据此构建信标点坐标数据表，这里的θ_(M,i)、r_(M,i)分别表示信标点i相对于照明灯基站M的方位角和距离。

2.根据权利要求1所述的一种基于可见光通信的井下移动目标光指纹定位跟踪方法，其特征是，所述的在线阶段：在线定位跟踪阶段；

在线定位跟踪阶段的具体步骤如下：

步骤1：目标携带的光探测接收机接收到照明灯基站发射的光信号后，计算光信号强度然后将光信号强度和目标标识ID一起组装成数据帧，传输给照明灯基站；

步骤3：基站利用角度探测通信模型计算用户信号相对于基站的方位信息即到达角度随后将此到达角度信息、基站自身的ID和目标发射传递来的光信号强度目标ID一起打包组装成一个定位数据包，通过可见光通信网络传输到定位系统服务器；

步骤4：基站与用户之间利用光信号强度和到达角度信息进行光指纹分区匹配；定位系统服务器将收到的定位数据包进行解析；根据解包得到的信息，可以进行区域判别，由到达角度信息，识别出目标所在的基站下的信标点分区范围，据此得到目标位置的粗粒度范围估计值；

步骤5：定位系统服务器根据解包得到的光信号强度到达角度采用基于差值的模糊预测模式与系统存储的光指纹数据库进行光指纹特性匹配，得出精确的目标位置；

步骤6：当照明灯基站与接收目标进行可见光通信时，基站采用基于接收光信号强度(RSS)的盲自适应多光源检测算法，对信号的移动方位进行实时连续地追踪，并通过粒子滤波算法对估计到的坐标进行滤波，实时确定目标的精确位置，得出目标的移动轨迹；当目标移动到照明灯基站的覆盖边界区域时，进入步骤7，进行照明灯基站间的协同跟踪；

3.根据权利要求2所述的一种基于可见光通信的井下移动目标光指纹定位跟踪方法，其特征是，在步骤4中，所述的利用光信号强度和接收角度信息进行光指纹匹配，这里采用了基于差值的模糊预测匹配模式，具体实现方法如下：

(1)计算光信号强度差值：假定在步骤1中，目标K在两个连续时间间隔t₁、t₂内接收到基站M的光发射信号的平均功率为在步骤3中，确定了目标所在的信标点分区，假设为第i个采样信标点；另外，假设此分区内的光强度指纹数据为对应的坐标数据为(r_(M,i),θ_(M,i))，于是可计算接收到基站的光信号强度差值得：

Δ {\overset{&OverBar;}{p}}_{k} = {\overset{&OverBar;}{p}}_{k_{1}} - {\overset{&OverBar;}{p}}_{k_{2}}

E_{P_{1}} = {\overset{&OverBar;}{p}}_{k_{1}} - {\overset{&OverBar;}{p}}_{(M, i)}

E_{P_{2}} = {\overset{&OverBar;}{p}}_{k_{2}} - {\overset{&OverBar;}{p}}_{(M, i)}

式中，表示第K个目标接收到基站M的光发射信号功率连续变化差值，表示第K个目标在t₁内接收到基站M的光发射信号功率与信标点光指纹的差值，表示第K个目标在t₂内接收到基站M的光发射信号功率与信标点光指纹的差值；

(2)将得到的光信号强度差值变量送入到模糊匹配指纹图中，进行光指纹匹配；

所述的模糊匹配指纹图由二维指纹等势差变化图形坐标和模糊预测匹配模式构成；二维指纹等势差变化图形坐标，以信标点采集的光指纹信息为坐标原点(0,0)，以远离采集点的基站光强度的变化趋势作为特征光指纹信息这里的表示偏移角度，表示光指纹变化趋势所对应的远离原点坐标的距离；模糊预测匹配模式通过利用光信号强度差值变量数据与模糊匹配指纹图中的等势差数据一一相减，差值最小的即是最相近的光指纹估计极坐标

(3)将光指纹估计极坐标转换成直角坐标，判断目标位置的真实性；由模糊匹配指纹图定位估计的移动目标位置可能并不真实，还需进一步对其估计位置进行判别和预测；在采集信标点i的坐标已知的情况下，通过模糊预测匹配模式得到了目标相对于采样信标点的极坐标据此计算目标的实际直角坐标值：

其中，X_K、Y_K分别表示在以信标点为直角坐标原点的目标K估计的x、y轴方向坐标；

在以基站为坐标原点的极坐标系下，信标点坐标为(θ_(M,i),r_(M,i))；进行坐标变换，以信标点为坐标原点，则基站的极坐标为(180°+θ_(M,i),r_(M,i))，直角坐标值为：

其中，X_M、Y_M分别表示在以信标点为直角坐标原点的基站x、y轴方向位置坐标；则目标K相对于基站的直角坐标为:

\{\begin{matrix} x_{k} = X_{K} - X_{M} \\ y_{k} = Y_{K} - Y_{M} \end{matrix}

其中，x_k、y_k分别表示目标K相对于基站在x、y轴方向的坐标值，因此，目标相对于基站的方位为：

θ_{k} = \arctan \frac{y_{k}}{x_{k}} = \arctan \frac{Y_{K} - Y_{M}}{X_{K} - X_{M}}

其中，θ_k表示目标K相对于基站的估计方位，这样，目标的定位为(x_k,y_k)和方位为θ_k便求出来了；

在线定位跟踪阶段的步骤3中，基站检测到得的用户信号到达角度为由此计算估计方位θ_k与的差值为：

Δ θ = | θ_{k} - {\hat{θ}}_{k} |

若Δθ≥2°，说明定位坐标误差较大，可信度较低，应该丢弃；若Δθ≤2°，说明定位具有很高的可信度，且误差较小，在可信度范围以内，可作为目标运动的实际位置。