CN105025572A - 一种基于rssi测距的井下人员定位的改进方法 - Google Patents

Abstract

本发明涉及一种基于RSSI测距的井下人员定位的改进方法，通过RSSI测距算法测量移动节点即移动的矿工到三个参考节点的距离，进而利用定位算法来定位人员的位置。本发明的优点体现在：对矿井下定位小区间的干扰造成定位混乱进行解决，对三边定位算法由于测距不准确引起的误差进行改进，尤其解决了传统定位算法在小区边缘稳定性差的缺点，增加了井下人员定位的可靠性。

Description

一种基于RSSI测距的井下人员定位的改进方法

技术领域

本发明涉及矿井安全领域，具体涉及一种基于RSSI测距的井下人员定位的改进方法。

背景技术

由于煤矿的生产作业大多数是在地下进行，矿井下的地质条件复杂，造成了无线通信质量差，多径效应、多址效应明显、信号衰落快等，给井下的通信带来诸多的困难。一旦事故发生，不能及时准确的确定被困人员位置，对有效营救造成很大的困难。

在现阶段井下的人员定位过程中大范围应用的是基于测距技术的人员定位算法，节点之间的距离的测定主要是通过对提取接收信号中的特征参数的处理实现的，通过测量节点间距离后再利用三边定位算法求出可能未知节点位置。

由于矿井下的特殊环境，无线网络的已知节点(信标节点)都分布在矿井下的巷道两侧，巷道可以类似看成一个长方形，当工作人员进入巷道内，通过现阶段比较成熟的RSSI(Received Signal Strength Indication)测距法测量出未知节点(即是移动的矿工)到三个信标节点的距离，进而利用三边定位算法来定位人员位置。这就需要分成各个三角形的定位小区来对未知节点进行定位，但是在各自三角形定位小区中，未知节点容易受到其他节点的信号的干扰。而且由于受到井下环境因素的影响，测出的距离会和实际距离总是有一定的误差，造 成三边定位算法失效。

发明内容

本发明的目的是针对现有技术中的不足，提供一种定位准确的基于RSSI测距的井下人员定位的改进方法。

为实现上述目的，本发明公开了如下技术方案：

一种基于RSSI测距的井下人员定位的改进方法，通过RSSI测距算法测量移动节点即移动的矿工到三个参考节点的距离，进而利用定位算法来定位人员的位置，具体包括如下步骤：

步骤1.工作人员事先将若干参考节点摆放到巷道两侧，工作开始时网络协调器电源打开，进行zigbee无线网络树状组网模式，zigbee组建网络初始化；

步骤2.当作业人员进入进行无线网络覆盖区域时，参考节点在一个统一时间周期向周围发送无线信号，无线信号包括自身的坐标信息和信号强度RSSI值；

步骤3.移动节点在它的通信范围内收集所有参考节点的RSSI信号值，将信号最强的相邻三个参考节点组成三角形的定位小区；

步骤4.在移动节点上利用具有方向性判断的信号接收天线，实现对参考节点信号到达角度的测量，利用角度信息过滤掉其他干扰信号，进一步确定移动节点所在的定位小区；

步骤5.将接收到的RSSI值带入公式[RSSI]_dBm＝A-10nlgd，

式中，[RSSI]_dBm为接收节点接受到的功率,A为参考距离为1m时接 受节点受到的信号功率，d为移动节点到参考节点的距离,n为和实验环境相关的路径损耗指数值，2＜n＜4；

步骤6.计算定位小区的三个参考节点距离移动节点的距离d₁、d₂、d₃；

步骤7.利用定位算法计算以三个参考节点为圆心、移动节点与三个参考节点的距离为半径的三个圆相交的位置坐标，该坐标就是人员即移动节点的位置坐标。

进一步的，所述步骤3中，对于采集到的RSSI值，进行滤波处理以提高测距的准确性。

进一步的，对采集到的RSSI值进行中值滤波处理：

a.移动节点在固定位置接收到参考节点的n个信号强度值，通过中值滤波过滤掉该组强度值数据中的小概率的信号和大干扰信号，公式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}\mathrm{\σ}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

其中：

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i$

${\mathrm{\σ}}^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\mathrm{\μ})}^2$

式中f(x)表示概率的取值，x表示RSSI值，n表示移动节点在固定位置接收到参考节点信号个数，σ²表示此随机变量的方差，μ表示服从正态分布的随机变量的均值；

b.将上式中f(x)的取值范围限定为0.6＜f(x)＜1，求解得 0.15σ+μ≤x≤3.09σ+μ，即RSSI值在经过中值滤波之后可得取值范围为[0.15σ+μ，3.09σ+μ]，其中

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{RSSI}}_i-\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i)}^2}$

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i$

c.把经过中值滤波后在选择范围内的RSSI值求出均值； 

d.该均值即为最终准确的RSSI数值。

进一步的，所述步骤4中，为了减少储存和计算量，测量出的节点间的角度信息不做保存，只需要使用该角度来确定移动节点是否处于容易受到干扰的小区边缘。

进一步的，所述步骤7中，由于在实际矿井环境中各种干扰因素的影响，计算出的距离和现实距离必定是存在误差，所以在井下巷道内设置固定距离的参考节点，测量出井下环境的误差范围，定位开始后利用RSSI进行一次测距，然后在实际测的距离d₁、d₂、d₃的基础上反向加上环境的范围内随机误差来进行校正，取n组校正距离数据。

进一步的，所述步骤7中，以三个参考节点为圆心的三个圆由于干扰因素的影响不可能相交于一点，从而造成方程无解，所以在三个圆心两两相交时，

(1)根据公式： 

$\left\{\begin{array}{c}\sqrt{{(x-x_1)}^2+{(y-y_1)}^2}=d_1\\ \sqrt{{(x-x_2)}^2+{(y-y_2)}^2}=d_2\\ \sqrt{{(x-x_3)}^2+{(y-y_3)}^2}=d_3\end{array}\right.$

求得O₁(x₁,y₁)、O₂(x₂,y₂)两个圆的相交点C₁、C₂，然后计算两个交 点与O₃节点的距离，取距离近的一点C₁保留，距离远的舍去；同理求得O₁和O₃的交点取距离O₂点相近的交点B₁，O₂、O₃的交点距离O₁最近的A₁点，组成移动节点的可能区域△A₁B₁C₁；

(2)根据n组的校正距离数据，逐个解出n×3个圆两两相交的三个点做△A_nB_nC_n；

(3)利用网格扫描法对重叠部分进行标记，计算出由n个三角形相交重叠的部分，阴影部分的网格点最高重叠部分，即是缩小定位范围后未知节点最可能的坐标位置；

(4)对重叠区域的所有网格点采用如下公式进行质心算法计算，

$\left\{\begin{array}{c}{x}_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i\\ y_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{y}_i\end{array}\right.$

得出重叠部分的质心即是未知节点的估计位置(x_m，y_m)。

进一步的，当井下某些节点因电池没电或者因为意外事故造成节点损坏的状况时，会出现可利用节点短缺，移动节点到达该活动区域时搜集到的节点信息少于三个，无法计算出离移动节点最近的三个参考节点的距离d₁、d₂、d₃，在此应急情况下，找出两圆的相交区域进行质心算法计算出坐标。

进一步的，所述找出两圆的相交区域进行质心算法计算出坐标的详细方法为：选择已知的A₁、A₂两个节点的坐标位置A₁(x₁,y₁),A₂(x₂,y₂)，用RSSI测距方法测出移动节点M₁分别到A₁、A₂节点的距离r₁、r₂，根据公式

$\left\{\begin{array}{c}{(x_1-x_{12})}^2+{(y_1-y_{12})}^2={r_1}^2\\ {(x_2-x_{21})}^2+{(y_2-y_{21})}^2={r_2}^2\end{array}\right.$

求得两个圆的相交点A₁₂(x₁₂,y₁₂)、A₂₁(x₂₁,y₂₁)，然后计算出两圆重叠部分的质心坐标就是移动节点的位置。

本发明公开的一种基于RSSI测距的井下人员定位的改进方法，具有以下有益效果：

本发明将对矿井下定位小区间的干扰造成定位混乱进行解决，对三边定位算法由于测距不准确引起的误差进行改进，尤其解决了传统定位算法在小区边缘稳定性差的缺点，增加了井下人员定位的可靠性。

附图说明

图1是本发明的定位方法流程图，

图2是没有经过滤波处理的一组RSSI值，

图3是经过滤波处理的一组RSSI值，

图4是井下节点摆放图，

图5是第一种节点间信号干扰示意图，

图6是第二种节点间信号干扰示意图，

图7是第一种三圆两两相交示意图，

图8是第二种三圆两两相交示意图，

图9是重叠部分标记示意图，

图10是有节点被损坏情况时的示意图，

图11是两边定位示意图，

图12是准确人员定位仿真图，

图13是计算得出的人员定位仿真图，

图14是本发明与传统方法的对比图。

具体实施方式

下面结合实施例并参照附图对本发明作进一步描述。

请参见图1。一种基于RSSI测距的井下人员定位的改进方法，通过RSSI测距算法测量移动节点即移动的矿工到三个参考节点的距离，进而利用定位算法来定位人员的位置，具体包括如下步骤：

步骤1.工作人员事先将若干参考节点摆放到巷道两侧，工作开始时网络协调器电源打开，进行zigbee无线网络树状组网模式，zigbee组件网络初始化；

步骤2.当作业人员进入无线网络覆盖区域时，参考节点在一个统一时间周期向周围发送无线信号，无线信号包括自身的坐标信息和信号强度RSSI值；

步骤3.移动节点在它的通信范围内收集所有参考点的RSSI信号值，将信号最强的相邻三个参考节点组成三角形的定位小区；

步骤4.在移动节点上利用具有方向性判断的信号接收天线，实现对参考节点信号到达角度的测量，利用角度信息过滤掉其他干扰信号，进一步确定移动节点所在的定位小区；

步骤5.将接收到的RSSI值带入公式[RSSI]_dBm＝A-10nlgd，

式中，[RSSI]_dBm为接收节点接受到的功率,A为参考距离为1m时接受节点受到的信号功率，d为移动节点到参考节点的距离,n为和实验环境相关的路径损耗指数值，2＜n＜4；

步骤6.计算定位小区的三个参考节点距离移动节点的距离d₁、d₂、d₃；

步骤7.利用定位算法计算以三个参考节点为圆心、移动节点与三个参考节点的距离为半径的三个圆相交的位置坐标，该坐标就是人员即移动节点的位置坐标。

需要说明的是，在步骤3中，对于采集到的RSSI值，需进行滤波处理以提高测距的准确性。对采集到的RSSI值进行中值滤波处理，步骤如下：

a.移动节点在固定位置接收到的参考节点的n个信号强度值，通过中值滤波过滤掉该组强度值数据中的小概率的信号和大干扰信号，公式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}\mathrm{\σ}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

其中：

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i$

${\mathrm{\σ}}^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\mathrm{\μ})}^2$

式中f(x)表示概率的取值，x表示RSSI值，n表示移动节点在固定位置接收到参考节点信号个数，σ²表示此随机变量的方差，μ表示服从正态分布的随机变量的均值；

b.将上式中f(x)的取值范围限定为0.6＜f(x)＜1，求解得0.15σ+μ≤x≤3.09σ+μ，即RSSI值在经过中值滤波之后可得取值范围 为[0.15σ+μ，3.09σ+μ]，其中

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{RSSI}}_i-\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i)}^2}$

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i$

c.把经过中值滤波后在选择范围内的RSSI值求出均值； 

d.该均值即为最终准确的RSSI数值。

步骤4中，为了减少存储和计算量，测量出的节点间的角度信息不做保存，只需要使用该角度来确定移动节点是否处于容易受到干扰的小区边缘。

步骤7中，由于在实际矿井环境中各种干扰因素的影响，计算出的距离和现实距离必定是存在误差，所以在井下巷道内设置固定距离的参考节点，测量出井下环境的误差范围，定位开始后利用RSSI进行一次测距，然后在实际测的距离d₁、d₂、d₃的基础上反向加上环境的范围内随机误差来进行校正，取n组校正距离数据。

步骤7中，以三个参考节点为圆心的三个圆由于干扰因素的影响不可能相交于一点，从而造成方程无解，所以在三个圆心两两相交时，

(1)根据公式： 

$\left\{\begin{array}{c}\sqrt{{(x-x_1)}^2+{(y-y_1)}^2}=d_1\\ \sqrt{{(x-x_2)}^2+{(y-y_2)}^2}=d_2\\ \sqrt{{(x-x_3)}^2+{(y-y_3)}^2}=d_3\end{array}\right.$

求得O₁(x₁,y₁)、O₂(x₂,y₂)两个圆的相交点C₁、C₂，然后计算两个交点与O₃节点的距离，取距离近的一点C₁保留，距离远的舍去；同理求得O₁和O₃的交点，取距离O₂点相近的交点B₁，O₂、O₃的交点 距离O₁最近的A₁点，组成移动节点的可能区域△A₁B₁C₁；

(2)根据n组的校正距离数据，逐个解出n×3个圆两两相交的三个点做△A_nB_nC_n；

(3)利用网格扫描法对重叠部分进行标记，计算出由n个三角形相交重叠的部分，阴影部分的网格点最高重叠部分，即是缩小定位范围后未知节点最可定的坐标位置；

(4)对重叠区域的所有网格点采用如下公式进行质心算法计算，

$\left\{\begin{array}{c}{x}_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i\\ y_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{y}_i\end{array}\right.$

得出重叠部分的质心即是未知节点的估计位置(x_m，y_m)。

当井下某些节点因电池没电或者意外事故造成节点损坏的状况时，会出现可利用节点短缺，移动节点到达该活动区域时搜集到的节点信息少于三个，无法计算出离移动节点最近的三个参考节点的距离d₁、d₂、d₃，在此应急情况下，找出两圆的坐标位置A₁(x₁,y₁),A₂(x₂,y₂)，用RSSI测距方法测出移动节点M₁分别到A₁、A₂节点的距离r₁、r₂，根据公式

$\left\{\begin{array}{c}{(x_1-x_{12})}^2+{(y_1-y_{12})}^2={r_1}^2\\ {(x_2-x_{21})}^2+{(y_2-y_{21})}^2={r_2}^2\end{array}\right.$

求得两个圆的相交点A₁₂(x₁₂,y₁₂)、A₂₁(x₂₁,y₂₁)，然后计算出两圆重叠部分的质心坐标就是移动节点的位置。

需要说明的是，本发明中，步骤5中的公式[RSSI]_dBm＝[p_r(d)]_dBm＝A-10nlgd取自对数-常态分布模型：

${\[\stackrel{\‾}{p_r\left(d\right)}\]}_{dBm}={\[p_r\left(d_0\right)\]}_{dBm}-10n\lg \left(\frac{d}{d_0}\right)+X_{dBm}$

公式中，p_r(d)为已知节点的接收信号功率(dBm)；p_r(d₀)为参考距离d₀点对应的接收信号功率；d为未知节点和已知节点之间的距离(m)；d₀为参考距离(一般取1m)；X_dBm为平均值是0的高斯随机变量(dBm)；n为路径损耗指数，一个与环境相关的值。

在实际井下应用中，将公式简化，如下所示：

${\[\stackrel{\‾}{p_r\left(d\right)}\]}_{dBm}={\[p_r\left(d_0\right)\]}_{dBm}-10n\lg \left(\frac{d}{d_0}\right)$

在一般情况下d₀＝1m，由此推出在现实应用中的RSSI测距公式为：

[RSSI]_dBm＝[p_r(d)]_dBm＝A-10nlgd

式中，A为信号传输1m时接收端接收到的信号功率(dBm)。通过测量接收信号RSSI强度可推算定位节点到已知节点的距离d，这样就得到了未知节点和某ID信标节点的距离。

井下信号中值滤波处理

在实际应用中由于井下的复杂环境测距出现误差，从而导致定位不准确。所以现利用高中值滤波对采集到的RSSI值进行滤波处理。中值滤波处理在井下应用原则是，在未知节点在固定位置接收到参考节点的n个信号强度值，在这组RSSI值中肯定有小概率的信号强度。现通过中值滤波把该组数据的小概率信号和大干扰信号过滤掉，然后取该组数据的高概率范围内的RSSI值，然后再计算这些值的均值就是最终RSSI值，这样就提高了测距的准确性。中值滤波公式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}\mathrm{\σ}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

其中：

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i$

${\mathrm{\σ}}^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\mathrm{\μ})}^2$

概率的取值范围选择为[0.6，1]，0.6＜f(x)＜1可得出：

0.15σ+μ≤x≤3.09σ+μ

RSSI值在经过中值滤波之后可得取值范围为[0.15σ+μ，3.09σ+μ]其中

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{RSSI}}_i-\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i)}^2}$

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i$

把经过中值滤波后在选择范围内的RSSI值求出均值，就是最终可利用的RSSI值。

请参见图2-图3.在实验里节点距离设定为d＝1m，测量出30次RSSI值，然后进行中值滤波处理如图2、图3所示，图2是没有经过滤波处理的一组RSSI值，图3是经过滤波处理的一组RSSI值。

从图2、图3中可得：不经过滤波采集的RSSI信号值波动大，经过滤波处理采集的信号值较为平缓。图2中无滤波组数据的|RSSI|均值是38.8dBm，代入距离公式计算得到d＝0.71m；而图3中经过滤波的数据|RSSI|均值是39.50dBm，计算出的距离为d＝0.82m，明显看出经过滤波后测得的距离和真实距离更接近，误差更小。

井下定位小区划分

由于矿井下的特殊环境，无线网络的已知节点都分布在矿井下的巷道两侧，如图4所示，巷道可以类似看成一个长方形，当井下作业人员进入井下巷道内时，经典算法中移动节点搜集周围最强三个信号来进行定位，其他较弱的信号则全部过滤掉，然后通过现阶段比较成熟的RSSI测距法测量出移动节点到这三个参考节点的距离，进而利用三边定位算法来定位作业人员的位置坐标。

本发明将井下区域分成各个三角形的定位小区来对移动节点进行定位计算，但是当作业人员进入某个定位小区时，容易受到其邻居小区中其他参考节点的信号干扰。这样就造成了定位小区间的混乱，导致移动节点在定位小区选择上出现错误选择，影响到定位的准确性。为解决小区间的干扰，在移动节点上安装具有方向性判断的信号接收天线，实现对参考节点信号到达角度的测量，测量出节点间的角度信息不做保存，只需要该角度来确定移动节点是否处于容易受到干扰的小区边缘。利用接收到的已知节点位置信息和参考节点间的角度信息，把在井下作业区域分割成n个定位小区来过滤其他节点的信号干扰，以解决在矿井下参考节点由于摆放不规则或者被移动而造成的信号干扰，这样就清楚的界限的各个定位小区的定位范围，在作业人员进入该区域时，利用本小区的三个参考节点进行定位工作，分清了各个节点的职责，减少不必要的混乱。

井下定位小区间干扰信号过滤:根据矿井下的工作环境区域来看，把井下定位区看作是一个长方形的二维空间来模拟定位。如图4所示；参考节点由工作人员事先摆放到巷道两侧，工作开始时网络协调器电源打开，进行ZigBee无线网络树状组网模式，保证网络的通畅性。当作业人员进入井下无线网络覆盖区域时，参考节点会在一个统一时间周期的向周围发送无线信号，信号包括自身的坐标信息和信号强度等数据。移动节点在它的通信范围内尽可能的收集所有的无线信号，但是有些信号是由于巷道介质的反射或者是和移动节点距离较远的节点信号，所以在移动节点做定位计算之前，自身定位引擎会做一个 数据预处理，接收到的某些信号强度过弱的就会被算法自动过滤掉，以保证接收到的信号是定位区域较近的节点信号。但是在移动人员处于两个定位小区边缘位置的时候可能就会接收到较多信号，造成信号接收混乱，例如以下两种情况：

(1)第一种情况：如图5所示，如果移动节点o(工作人员佩戴的节点)从定位小区1往小区2方向移动，当o节点靠近小区1和2的边界(ac边)时，移动节点o和b、d两个参考节点的距离相似且都相对较远，此时o节点会在通信范围内同时接收到b节点和d节点的RSSI值。由于两节点和移动节点距离相近，在传播中的无线信号的损耗相当，接收到的RSSI的信号强度值就相似。

(2)第二种情况：如图6所示，由于巷道形状不规则或者节点摆放的不均匀造成如图6节点的分布情况。虽然移动节点o在定位小区3的区域内，实际上o点却距离f节点更近一些，在所有接收到的RSSI信号值中f点的信号值会比c点的信号值更大。节点算法预处理中就会把c节点当作是干扰信号过滤掉，然后节点会利用d、f、e三个节点的信息值来的进行定位计算，这样定位就造成了更大的误差。

为了能够更清楚的区分移动节点位于哪个定位小区，避免当作业人员进入井下无线网络覆盖空间后因其他节点的信号干扰而造成的定位小区模糊，在节点接收信号过程中同时测量与参考节点间的角度信息，但为了减少储存和计算量，测量得到角度信息只用来参考不做保存。

如图5、图6所示，当节点在巷道移动过程中与两侧参考节点信号角度等于180度前，测量角度在∠aoc＜180(∠doe＜180)时，移动节点所在小区为第一小区，就可以确定所需要节点a、b、c来继续进行定位计算。在所测角度∠aoc＝180(∠doe＝180)之后下一时刻节 点已进入第二个定位小区，在之后的区域循环进行小区区分和定位计算以完成跟踪移动目标的工作。

在加入角度信息后划分清晰定位的区间，以此来过滤不属于定位小区参考节点信号的的干扰，再利用RSSI测距技术测出到三个参考节点间的距离d₁,d₂,d₃，然后利用定位算法计算出人员的位置坐标。

三边定位算法优化

理想状态不考虑无线信号传播中的损耗和其他环境因素对信号传播的的影响，所测的节点间距离精确无误差，以三个参考节点为圆心三个圆相交的位置就是移动节点位置。但是由于在实际矿井环境中各种干扰因素的影响，测量出的距离和现实距离必定是存在误差，以三个参考节点为圆心的三个圆不可能相交于一点，从而造成方程无解。如图7、图8所示，三圆不交于一点而是彼此两两相交，由ABC组成的三角形区域Z即是未知节点M的可能位置。

如图7在三个圆心两两相交时，由于三圆不交于一点，首先利用公式

$\left\{\begin{array}{c}\sqrt{{(x-x_1)}^2+{(y-y_1)}^2}=d_1\\ \sqrt{{(x-x_2)}^2+{(y-y_2)}^2}=d_2\end{array}\right.$

计算出O₁、O₂两个圆的相交点C₁、C₂，然后计算两个交点与O₃节点的距离，取距离近的一点C₁保留，距离远的舍去。类似的解出O₁和O₃的交点取距离O₂点相近的交点B₁，O₂、O₃的交点距离O₁最近的A₁点，组成未知节点的可能区域△A₁B₁C₁。

在井下设置固定距离的参考节点，测量出井下环境的误差范围。 定位开始后利用RSSI进行一次测距，然后在实际测的距离基础上反向加上环境的范围内随机误差。例如测得环境内误差距离范围是[-1,3]，那么就在实际测得一组距离d₁，d₂，d₃上加上反向的误差[-3,1]来对距离进行校正。组成n组校正距离数据，逐个解出n×3个圆两两相交的三个点做△A_nB_nC_n，利用网格扫描法对重叠部分进行标记，计算出由n个三角形相交重叠的部分，如图9所示，阴影部分的网格点重叠三次是最高重叠部分，即是缩小定位范围后未知节点最可能的坐标位置。进一步对重叠区域的所有网格点进行质心算法计算，得出重叠部分的质心既是未知节点的估计位置。

理论中n的值越大计算得到的定位越准确，但是其计算量和功耗也会随之增加。所以本文仿真中进行一次RSSI测距后，然后加上4组随机的误差即取n＝4，然后对重叠区域进行标记，最终确定4次测距后标记最多的区域。(x_i是重叠区域所有网格点的横坐标，y_i是重叠区域所有网格点的纵坐标)对标记最多区域利用质心算法公式

$\left\{\begin{array}{c}{x}_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i\\ y_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{y}_i\end{array}\right.$

计算出最终未知节点的位置坐标(x_m，y_m)。

应急情况下的两边定位算法

考虑到在井下某些节点因电池没电或者因为意外事故造成节点损坏的状况，会出现可利用节点短缺，移动节点到达该活动区域时搜集到的节点信息少于三个，不能达到三边定位算法的基本要求。当移动节点搜索到的节点信息是两个时，可以利用两边定位算法对移动节点 进行大概的坐标定位。因为可利用节点是两个，也是对一个可能区域进行估算的，而且可能区域相对更大，所以两边定位算法计算的移动节点位置与三边定位法相比肯定是会相对误差较大、稳定性效果也不理想。但是考虑到特殊情况下能够在有限条件下进行大概的定位对于事故发生以后大概确定人员位置有很大的帮助。

如图10当矿井下巷道的某些区域因为电池没电、物体遮挡、小范围事故等原因造成A₃参考点损坏,导致该节点不能与A₁、A₂节点相互通信时，无法与其他两个节点协同完成人员定位工作。此时移动节点M₁进入该工作区域，因为缺少A₃节点无法完成定位工作，此时如果有紧急情况发生就需要由A₁、A₂节点完成对M₁的大致坐标定位工作。

此时已知A₁、A₂两个节点的坐标位置A₁(x₁,y₁),A₂(x₂,y₂)，用RSSI测距方法测出移动节点M₁分别到A₁、A₂节点的距离r₁、r₂，列方程很容易可求的A₁₂、A₂₁两个圆的相交点，然后计算出阴影部分的质心就是位置节点的大概位置，如图11所示。

$\left\{\begin{array}{c}{(x_1-x_{12})}^2+{(y_1-y_{12})}^2={r_1}^2\\ {(x_2-x_{21})}^2+{(y_2-y_{21})}^2={r_2}^2\end{array}\right.$

由以上公式可计算出以两个几点为圆心的两圆交点A₁₂、A₂₁。这两点的中心点就是两边定位法计算的移动节点大概位置。这样即使小范围出现事故导致某些节点不能正常工作，只要有两个节点工作就可以大概的计算出被困人员的位置好及时采取应急救援措施。掌握信息就是掌握了时间和生命，两边定位法保证了在小范围事故发生的情况下依然能够掌握移动人员的大概位置，应对紧急情况下的小事故造成的定位盲区。

仿真实验和结果分析

(1)在Matlab中设定类似井下巷道的定位环境，巷道两侧选取四个已知节点，组成两个三角形的定位小区。在未知节点进入小区之后收集各个已知节点的RSSI值和信号传输的角度信息，来确定未知节点属于哪个定位小区。

(2)确定定位小区之后，基于RSSI算法的基础上，测量节点间的距离d₁,d₂,d₃。在测得的距离上按照井下环境影响，加上3组范围内误差。搜集四组三边定位时的定位区域，计算出四个定位区域的重叠部分。

(3)利用网格扫描法对4个区域的重叠区的重叠次数标记，找出重叠次数最多的区域。然后采用质心算法公式

$\left\{\begin{array}{c}{x}_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i\\ y_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{y}_i\end{array}\right.$

对此重叠区域的所有网格点进行计算，得出的节点坐标(x_m，y_m)。如图12所示：圆点标出即是准确的人员位置；如图13所示：三角形位置是计算出的人员位置。

(4)本发明以定位小区中心点为圆心，在0到10m的范围上以0.2m为递增半径任意取点，从圆心往小区边缘测试，取50个测量点进行定位。

(5)然后利用传统算法在没有区分定位小区情况下，由公式

$\left\{\begin{array}{c}\sqrt{{(x-x_1)}^2+{(y-y_1)}^2}=d_1\\ \sqrt{{(x-x_2)}^2+{(y-y_2)}^2}=d_2\\ \sqrt{{(x-x_3)}^2+{(y-y_3)}^2}=d_3\end{array}\right.$

算出两两相交的交点，计算出组成未知节点可能区域的三个点，在单个区域中利用质心算法求得未知节点位置。同样情况下取50个测 量点。

(6)传统算法和改进后算法的比较：计算出传统算法和改进后算法定位出的节点坐标到实际节点的距离，作为误差比较。实验表明改进后的定位算法定位出的未知节点精确度更高，稳定性更好好，尤其是在定位小区边缘的定位稳定性更可靠。测量结果如图14所示。

根据仿真得出，在相同模拟误差条件下进行人员定位，本发明比传统的以RSSI测距的三边定位算法误差更小、稳定性更强，尤其解决了传统定位算法在小区边缘稳定性差的缺点，增加了井下人员定位的可靠性。

以上所述仅是本发明的优选实施方式，应当指出，对于本领域的普通技术人员，在不脱离本发明的前提下，还可以对本发明做出的若干改进和补充，这些改进和补充，也应视为本发明的保护范围。

Claims (8)

1.一种基于RSSI测距的井下人员定位的改进方法，其特征在于，通过RSSI测距算法测量移动节点即移动的矿工到三个参考节点的距离，进而利用定位算法来定位人员的位置，具体包括如下步骤：

步骤1.工作人员事先将若干参考节点摆放到巷道两侧，工作开始时网络协调器电源打开，进行zigbee无线网络树状组网模式，zigbee组建网络初始化；

步骤2.当作业人员进入进行无线网络覆盖区域时，参考节点在一个统一时间周期向周围发送无线信号，无线信号包括自身的坐标信息和信号强度RSSI值；

步骤3.移动节点在它的通信范围内收集所有参考节点的RSSI信号值，将信号最强的相邻三个参考节点组成三角形的定位小区；

步骤4.在移动节点上利用具有方向性判断的信号接收天线，实现对参考节点信号到达角度的测量，利用角度信息过滤掉其他干扰信号，进一步确定移动节点所在的定位小区；

步骤5.将接收到的RSSI值带入公式[RSSI]_dBm＝A-10nlgd，

式中，[RSSI]_dBm为接收节点接受到的功率,A为参考距离为1m时接受节点受到的信号功率，d为移动节点到参考节点的距离,n为和实验环境相关的路径损耗指数值，2＜n＜4；

步骤6.计算定位小区的三个参考节点距离移动节点的距离d₁、d₂、d₃；

步骤7.利用定位算法计算以三个参考节点为圆心、移动节点与三个参考节点的距离为半径的三个圆相交的位置坐标，该坐标就是人员即移动节点的位置坐标。

2.根据权利要求1所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，所述步骤3中，对于采集到的RSSI值，进行滤波处理以提高测距的准确性。

3.根据权利要求2所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，对采集到的RSSI值进行中值滤波处理：

a.移动节点在固定位置接收到的参考节点的n个信号强度值，通过中值滤波过滤掉该组强度值数据中的小概率的信号和大干扰信号，

公式如下：

$f\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}\mathrm{\σ}}}{e}^{-\frac{{(x-\mathrm{\μ})}^2}{2{\mathrm{\σ}}^2}}$

其中：

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i$

${\mathrm{\σ}}^2=\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{(x_i-\mathrm{\μ})}^2$

式中f(x)表示概率的取值，x表示RSSI值，n表示移动节点在固定位置接收到参考节点信号个数，σ²表示此随机变量的方差，μ表示服从正态分布的随机变量的均值；

b.将上式中f(x)的取值范围限定为0.6＜f(x)＜1，求解得0.15σ+μ≤x≤3.09σ+μ，即RSSI值在经过中值滤波之后可得取值范围为[0.15σ+μ，3.09σ+μ]，其中

$\mathrm{\σ}=\sqrt{\frac{1}{n-1}\underset{i=1}{\overset{n}{\Σ}}{({\mathrm{RSSI}}_i-\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i)}^2}$

$\mathrm{\μ}=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{\mathrm{RSSI}}_i$

c.把经过中值滤波后在选择范围内的RSSI值求出均值；

d.该均值即为最终准确的RSSI数值。

4.根据权利要求1所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，所述步骤4中，为了减少储存和计算量，测量出的节点间的角度信息不做保存，只需要使用该角度来确定移动节点是否处于容易受到干扰的小区边缘。

5.根据权利要求1所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，所述步骤7中，由于在实际矿井环境中各种干扰因素的影响，计算出的距离和现实距离必定是存在误差，所以在井下巷道内设置固定距离的参考节点，测量出井下环境的误差范围，定位开始后利用RSSI进行一次测距，然后在实际测的距离d₁、d₂、d₃的基础上反向加上环境的范围内随机误差来进行校正，取n组校正距离数据。

6.根据权利要求5所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，所述步骤7中，以三个参考节点为圆心的三个圆由于干扰因素的影响不可能相交于一点，从而造成方程无解，所以在三个圆心两两相交时，

(1)根据公式：

$\left\{\begin{array}{c}\sqrt{{(x-x_1)}^2+{(y-y_1)}^2}=d_1\\ \sqrt{{(x-x_2)}^2+{(y-y_2)}^2}=d_2\\ \sqrt{{(x-x_3)}^2+{(y-y_3)}^2}=d_3\end{array}\right.$

求得O₁(x₁,y₁)、O₂(x₂,y₂)两个圆的相交点C₁、C₂，然后计算两个交点与O₃节点的距离，取距离近的一点C₁保留，距离远的舍去；同理求得O₁和O₃的交点，取距离O₂点相近的交点B₁，O₂、O₃的交点距离O₁最近的A₁点，组成移动节点的可能区域△A₁B₁C₁；

(2)根据n组的校正距离数据，逐个解出n×3个圆两两相交的三个点做△A_nB_nC_n；

(3)利用网格扫描法对重叠部分进行标记，计算出由n个三角形相交重叠的部分，阴影部分的网格点最高重叠部分，即是缩小定位范围后未知节点最可能的坐标位置；

(4)对重叠区域的所有网格点采用如下公式进行质心算法计算，

$\left\{\begin{array}{c}{x}_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{x}_i\\ y_m=\frac{1}{n}\underset{i=1}{\overset{n}{\Σ}}{y}_i\end{array}\right.$

得出重叠部分的质心即是未知节点的估计位置(x_m，y_m)。

7.根据权利要求1所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，当井下某些节点因电池没电或者因为意外事故造成节点损坏的状况时，会出现可利用节点短缺，移动节点到达该活动区域时搜集到的节点信息少于三个，无法计算出离移动节点最近的三个参考节点的距离d₁、d₂、d₃，在此应急情况下，找出两圆的相交区域进行质心算法计算出坐标。

8.根据权利要求7所述的一种基于RSSI测距的井下人员定位的改进方法，其特征在于，所述找出两圆的相交区域进行质心算法计算出坐标的详细方法为：选择已知的A₁、A₂两个节点的坐标位置A₁(x₁,y₁),A₂(x₂,y₂)，用RSSI测距方法测出移动节点M₁分别到A₁、A₂节点的距离r₁、r₂，根据公式

$\left\{\begin{array}{c}{\left(x_1-x_{12}\right)}^2+{\left(y_1-y_{12}\right)}^2={r_1}^2\\ {\left(x_2-x_{21}\right)}^2+{\left(y_2-y_{21}\right)}^2={r_2}^2\end{array}\right.$

求得两个圆的相交点A₁₂(x₁₂,y₁₂)、A₂₁(x₂₁,y₂₁)，然后计算出两圆重叠部分的质心坐标就是移动节点的位置。