CN107770779B - 一种适用于矿井环境的认知机会通信方法 - Google Patents

一种适用于矿井环境的认知机会通信方法 Download PDF

Info

Publication number
CN107770779B
CN107770779B CN201710975937.4A CN201710975937A CN107770779B CN 107770779 B CN107770779 B CN 107770779B CN 201710975937 A CN201710975937 A CN 201710975937A CN 107770779 B CN107770779 B CN 107770779B
Authority
CN
China
Prior art keywords
node
mine
communication
data transmission
model
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201710975937.4A
Other languages
English (en)
Other versions
CN107770779A (zh
Inventor
胡青松
杨俊伟
罗大伟
程勇
张亮
贾升煜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China University of Mining and Technology CUMT
Original Assignee
China University of Mining and Technology CUMT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by China University of Mining and Technology CUMT filed Critical China University of Mining and Technology CUMT
Priority to CN201710975937.4A priority Critical patent/CN107770779B/zh
Publication of CN107770779A publication Critical patent/CN107770779A/zh
Application granted granted Critical
Publication of CN107770779B publication Critical patent/CN107770779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/02—Resource partitioning among network components, e.g. reuse partitioning
    • H04W16/10—Dynamic resource partitioning
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/14—Spectrum sharing arrangements between different networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

一种适用于矿井环境的认知机会通信方法，属于认知机会通信方法。首先分析节点相遇时的时间特征和空间特征、矿井人员的群组特征，以及节点的上下文信息，并结合巷道物理结构构建节点运动模型；其次，根据感知到的环境参数估计节点周围的信道情况，结合监控需求调整通信系统参数，实现通信系统对矿井环境的自适应；最后，根据构建的节点运动模型和对通信环境的认知结果，实现具有矿井自适应能力的机会数据传输。本发明使得矿井环境的监测监控信号不会因为间歇性连通或区域性连通问题而中断，实现矿井生产的全天候调度和监控，保障矿工的生命安全；也能保证通信系统在不同煤矿或同一煤矿不同巷道达到最佳通信效果，大幅降低研发成本和调试代价。

Description

一种适用于矿井环境的认知机会通信方法
技术领域
本发明涉及一种认知机会通信方法，特别是一种适用于矿井环境的认知机会通信方法。
背景技术
煤炭在我国一次能源的生产和消费中一直占有极其重要的地位。通过泛在的矿山物联网将井下环境参数、设备工况、人员信息、生产情况、安全状态实时传输到地面监控中心，实现井下的实时监控和调度，是安全高效生产的重要保障。但是，矿井巷道空间狭长，拐弯和分支多；巷道壁由煤、岩层和锚网构成，表面粗糙不平；巷道中有金属支架、大型生产设备、以及运输车辆、钢轨等设施，电波传播的多径效应强、衰落大、干扰严重。特别是在工作面，由于所有设备在采煤过程中不断向前推进，使得物理通信空间处于动态变化状态。
目前的矿井无线通信系统主要有超低频透地通信、中频感应通信、漏泄通信、矿用小灵通、ZigBee、WiFi等系统类型。这些系统多是地面系统的简单移植，没有考虑到矿井的特殊难题，不能适应矿井复杂多变的通信环境，在部分矿井或部分巷道中使用效果较好，在其它矿井环境效果不佳。究其原因，是由于传统的无线通信系统采用了固定的通信频率、调制方式、带宽等参数，因此很难适应矿井各种因素的动态变化。
此外，在矿井巷道这样一个包含了多种设备、不同地质构造、不同物理走向的复杂环境中，无线通信节点之间的数据收发必然要求有适合自己的路由协议，以实现对环境的动态自适应。为了实现最大可能的无线覆盖，现在的普遍做法是增加节点密度，这不但增加了系统建设和运行成本，而且增加了网络管理复杂度，亟需一种新型的矿井无线通信方法应对这一难题。
发明内容
本发明的目的是要提供一种适用于矿井环境的认知机会通信方法，利用井下移动目标的运动所带来的通信机会，解决现有矿井无线网络间歇性连通或区域性连通导致信号传输困难的问题。
本发明的目的是这样实现的：本发明的认知机会通信方法：移动目标携带能够发送或接收数据、或者能同时发送和接收数据的通信装置，每一个移动目标为一个节点；所述的移动目标，泛指矿井中一切移动的人员或设备；具体步骤如下：
步骤1：构建矿井巷道移动节点运动模型：根据矿井动目标定位系统测得的节点运动历史数据分析节点相遇规律，所述的相遇规律为节点相遇的时间特征和空间特征；根据采煤班组的排班数据，分析不同人员所属的群组情况；根据节点对环境参数的认知结果，得到节点上下文信息；在这三方面的研究基础上，结合巷道物理结构构建节点运动模型；
步骤2：矿井巷道时变通信环境协同认知：根据感知到的环境参数，及时估计节点在该时刻与附近节点之间的信道情况；根据地面监控中心对矿井巷道的监控需求和信道估计结果，调整通信系统参数，实现通信系统对矿井环境的自适应；
步骤3：矿井巷道间歇或区域连通场景的机会数据传输：根据构建的节点运动模型和对通信环境的认知结果，实现具有矿井自适应能力的机会数据传输，进而实现区域性连通或间歇性连通场景下的稳定数据传输。
进一步的，步骤1中：
(1)利用矿井动目标定位系统采集矿井巷道运动节点的位置和出现时刻，得到节点运动历史数据集；
(2)利用统计分析软件对节点运动历史数据集进行分析，发掘其中的时间特征、空间特征和群组特征；
(3)根据得到的统计规律，将矿井节点运动建模为具有时间相关性的马尔科夫模型；在该模型中，消息位于任一节点为当前状态，位于另外任一节点为下一状态，从当前状态到下一状态的转换对应于数据的传递，从一个状态到另外一个状态需要等待的时间为相遇间隔，在该状态所停留的时间为相遇持续时间；
(4)通信节点周期性发送邻居探测包，寻找周围的邻居节点；根据记录的节点数据感知节点的移动性，预测节点移动趋势。
进一步的，步骤2中：
(1)在步骤1的第(4)步发送探测包的时候，同时探测链路质量，得到LQI与PRR的关系，以及信道的功率延迟分布、路径损耗、时延扩展等统计特性；所述的LQI为Link QualityIndicator；所述的PRR为Packet Receive Rate；
(2)利用对数正态模型、莱斯模型、瑞利模型或Nakagami模型等对LQI数据进行拟合，得到矿井巷道链路质量模型；
(3)根据获得的链路质量模型和用户需求，动态确定通信链路的最佳参数；
(4)根据确定的最佳链路通信参数，以及步骤1所获得的节点运动趋势，结合矿井定位系统测得的当前节点的信息，实现通信节点的通信功率的自适应控制。
进一步的，步骤3中：
(1)形成机会数据传输指标：根据在线链路统计结果，得到链路通信不连续或者中断的概率；根据数据传输过程的统计结果，得到数据传递成功率；记录用户对矿井巷道的监测监控需求和数据优先级需求；
(2)在步骤1所构建的运动模型的基础上，进行基于相遇预测、基于上下文信息、基于摆渡使者的机会数据传输；
(3)根据通信环境认知、在线链路估计结果和班组排班数据所蕴含的群组特征，进行基于链路预测、基于群组意识的机会数据传输；
(4)在工作面场景，节点总是以顺槽中的Sink为目标、是一种典型的有向数据传递模式的特点，所述的Sink为汇聚节点，在此场景除了可选择步骤3中(2)和(3)的方法外，还可进行基于地理位置的机会数据传输。
有益效果及优点：本发明通过构建矿井巷道移动节点运动模型和进行矿井巷道时变通信环境协同认知，使得矿井无线通信系统具有动态认知环境参数的能力，并能根据认知结果自适应调整通信参数，同时通过矿井巷道间歇或区域连通场景的机会数据传输，实现间歇性连通或区域性连通情况下的相对稳定的数据传输。
本发明使得矿井环境的监测监控信号不会因为间歇性连通或区域性连通问题而中断，实现矿井生产的全天候调度和监控，保障矿工的生命安全；也能够保证通信系统在不同煤矿或同一煤矿不同工作面中达到最佳通信效果，大幅降低研发成本和调试代价。
解决了现有矿井无线网络间歇性连通或区域性连通导致信号传输困难的问题。
附图说明
图1是本发明的适用于矿井环境的认知机会通信方法流程图。
图2是本发明的矿井巷道移动节点运动模型构建方法流程图。
图3是本发明的矿井巷道时变通信环境协同认知方法流程图。
图4是本发明的矿井巷道间歇或区域连通场景的机会数据传输方法流程图。
具体实施方式
实施例1：本发明的认知机会通信方法：移动目标携带能够发送或接收数据、或者能同时发送和接收数据的通信装置，每一个移动目标为一个节点；所述的移动目标，泛指矿井中一切移动的人员或设备；具体步骤如下：
步骤1：构建矿井巷道移动节点运动模型：根据矿井动目标定位系统测得的节点运动历史数据分析节点相遇规律，所述的相遇规律为相遇间隔、相遇持续时间；根据采煤班组的排班数据，分析不同人员所属的群组情况；根据节点对环境参数的认知结果，得到节点上下文信息；在这三方面的研究基础上，结合巷道物理结构构建节点运动模型；
步骤2：矿井巷道时变通信环境协同认知：根据感知到的环境参数，及时估计节点在该时刻与附近节点之间的信道情况；根据地面监控中心对矿井巷道的监控需求和信道估计结果，调整通信系统参数，实现通信系统对矿井环境的自适应；
步骤3：矿井巷道间歇或区域连通场景的机会数据传输：根据构建的节点运动模型和对通信环境的认知结果，实现具有矿井自适应能力的机会数据传输，进而实现区域性连通或间歇性连通场景下的稳定数据传输。
进一步的，步骤1中：见图2。
(1)利用矿井动目标定位系统采集矿井巷道运动节点的位置和出现时刻，得到节点运动历史数据集；
(2)利用统计分析软件对节点运动历史数据集进行分析，发掘其中的时间特征、空间特征和群组特征；
(3)根据得到的统计规律，将矿井节点运动建模为具有时间相关性的马尔科夫模型；在该模型中，将消息位于任一节点称为当前状态，位于另外任一节点为下一状态，从当前状态到下一状态的转换对应于数据的传递，从一个状态到另外一个状态需要等待的时间为相遇间隔，在该状态所停留的时间对应相遇持续时间；
(4)通信节点周期性发送邻居探测包，寻找周围的邻居节点；根据记录的节点数据感知节点的移动性，预测节点移动趋势。
进一步的，步骤2中：见图3。
(1)在步骤1的第(4)步发送探测包的时候，同时探测链路质量，得到LQI与PRR的关系，以及信道的功率延迟分布、路径损耗、时延扩展等统计特性；所述的LQI为Link QualityIndicator；所述的PRR为Packet Receive Rate；
(2)利用对数正态模型、莱斯模型、瑞利模型或Nakagami模型等对LQI数据进行拟合，得到工作面链路质量模型；
(3)根据获得的链路质量模型和用户需求，动态确定通信链路的最佳参数；
(4)根据确定的最佳链路通信参数，以及步骤1所获得的节点运动趋势，结合矿井定位系统测得的当前节点的信息，实现通信节点的通信功率的自适应控制。
进一步的，步骤3中：见图4。
(1)形成机会数据传输指标：根据在线链路统计结果，得到链路通信不连续或者中断的概率；根据数据传输过程的统计结果，得到数据传递成功率；记录用户对工作面的监测监控需求和数据优先级；
(2)在步骤1所构建的运动模型的基础上，进行基于相遇预测、基于上下文信息、基于摆渡使者等机制的机会数据传输；
(3)根据通信环境认知、在线链路估计结果和班组排班数据所蕴含的群组特征，进行基于链路预测、基于群组意识的机会数据传输；
(4)在工作面场景，节点总是以顺槽中的Sink为目标、是一种典型的有向数据传递模式的特点，所述的Sink为汇聚节点，在此场景除了可选择步骤3中(2)和(3)的方法外，还可进行基于地理位置的机会数据传输。

Claims (4)

1.一种适用于矿井环境的认知机会通信方法，其特征是：移动目标携带能够发送或接收数据、或者能同时发送和接收数据的通信装置，每一个移动目标为一个节点；所述的移动目标，泛指矿井中一切移动的人员或设备；具体步骤如下：
步骤1：构建矿井巷道移动节点运动模型：根据矿井定位系统测得的节点运动历史数据分析节点相遇规律，所述的相遇规律为节点相遇的时间特征和空间特征；根据采煤班组的排班数据，分析不同人员所属的群组情况；根据节点对环境参数的认知结果，得到节点上下文信息；在这三方面的研究基础上，结合巷道物理结构构建节点运动模型；
步骤2：矿井巷道时变通信环境协同认知：根据感知到的环境参数，及时估计节点与附近节点之间的信道情况；根据地面监控中心对矿井巷道的监控需求和信道估计结果，调整通信系统参数，实现通信系统对矿井环境的自适应；
步骤3：矿井巷道间歇或区域连通场景的机会数据传输：根据构建的节点运动模型和对通信环境的认知结果，实现具有矿井自适应能力的机会数据传输，进而实现区域性连通或间歇性连通场景下的稳定数据传输。
2.根据权利要求1所述的一种适用于矿井环境的认知机会通信方法，其特征是：步骤1中：
（1）利用矿井定位系统采集矿井巷道运动节点的位置和出现时刻，得到节点运动历史数据集；
（2）利用统计分析软件对节点运动历史数据集进行分析，发掘其中的时间特征、空间特征和群组特征；
（3）根据得到的时间特征、空间特征和群组特征统计规律，将矿井节点运动建模为具有时间相关性的马尔科夫模型；在该模型中，消息位于任一节点为当前状态，位于另外任一节点为下一状态，从当前状态到下一状态的转换对应于数据的传递，从一个状态到另外一个状态需要等待的时间为相遇间隔，在当前状态所停留的时间为相遇持续时间；
（4）通信节点周期性发送邻居探测包，寻找周围的邻居节点；根据记录的节点数据感知节点的移动性，预测节点运动趋势。
3.根据权利要求2所述的一种适用于矿井环境的认知机会通信方法，其特征是：步骤2中：
（1）在步骤1的第（4）步发送探测包的时候，同时探测链路质量，得到LQI与PRR的关系，以及信道的功率延迟分布、路径损耗、时延扩展统计特性；所述的LQI为Link QualityIndicator；所述的PRR为Packet Receive Rate；
（2）利用对数正态模型、莱斯模型、瑞利模型或Nakagami模型对LQI数据进行拟合，得到矿井巷道链路质量模型；
（3）根据获得的链路质量模型和用户需求，动态确定通信链路的最佳参数；
（4）根据确定的最佳链路通信参数，以及步骤1所获得的节点运动趋势，结合矿井定位系统测得的当前节点的信息，实现通信节点的通信功率的自适应控制。
4.根据权利要求1所述的一种适用于矿井环境的认知机会通信方法，其特征是：步骤3中：
（1）形成机会数据传输指标：根据在线链路统计结果，得到链路通信不连续或者中断的概率；根据数据传输过程的统计结果，得到数据传递成功率；记录用户对矿井巷道的监测监控需求和数据优先级需求；
（2）在步骤1所构建的运动模型的基础上，进行基于相遇预测、基于上下文信息、基于摆渡使者的机会数据传输；
（3）根据通信环境认知、在线链路估计结果和班组排班数据所蕴含的群组特征，进行基于链路预测、基于群组意识的机会数据传输；
（4）在工作面场景，节点总是以顺槽中的Sink为目标、是一种典型的有向数据传递模式的特点，所述的Sink为汇聚节点，在工作面场景选择步骤3中（2）和（3）的方法，或者选择基于地理位置的机会数据传输。
CN201710975937.4A 2017-10-19 2017-10-19 一种适用于矿井环境的认知机会通信方法 Active CN107770779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710975937.4A CN107770779B (zh) 2017-10-19 2017-10-19 一种适用于矿井环境的认知机会通信方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710975937.4A CN107770779B (zh) 2017-10-19 2017-10-19 一种适用于矿井环境的认知机会通信方法

Publications (2)

Publication Number Publication Date
CN107770779A CN107770779A (zh) 2018-03-06
CN107770779B true CN107770779B (zh) 2021-03-16

Family

ID=61268360

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710975937.4A Active CN107770779B (zh) 2017-10-19 2017-10-19 一种适用于矿井环境的认知机会通信方法

Country Status (1)

Country Link
CN (1) CN107770779B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118694452A (zh) * 2024-08-27 2024-09-24 兖矿能源集团股份有限公司 基于矿井音频通信控制方法及系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104735742A (zh) * 2015-04-03 2015-06-24 中国人民解放军信息工程大学 一种机会网络数据的发送方法和装置
CN107018548A (zh) * 2017-05-27 2017-08-04 河南科技大学 基于频谱感知的认知无线网络机会路由协议的实现方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8335474B2 (en) * 2008-02-01 2012-12-18 Nokia Corporation Correlation-based detection in a cognitive radio system

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104735742A (zh) * 2015-04-03 2015-06-24 中国人民解放军信息工程大学 一种机会网络数据的发送方法和装置
CN107018548A (zh) * 2017-05-27 2017-08-04 河南科技大学 基于频谱感知的认知无线网络机会路由协议的实现方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Cooperative Opportunistic Large Array Approach for Cognitive Radio Networks";Vandana Rohokale;《2010 8th International Conference on Communications》;20100612;全文 *
"机会网络中节点相遇的时空特征";胡青松;《中国矿业大学学报》;20160930;第45卷(第5期);全文 *

Also Published As

Publication number Publication date
CN107770779A (zh) 2018-03-06

Similar Documents

Publication Publication Date Title
Chang et al. An efficient tree-based power saving scheme for wireless sensor networks with mobile sink
Faheem et al. MQRP: Mobile sinks-based QoS-aware data gathering protocol for wireless sensor networks-based smart grid applications in the context of industry 4.0-based on internet of things
Wang et al. Comparative analysis of channel models for industrial IoT wireless communication
Lara et al. On real-time performance evaluation of volcano-monitoring systems with wireless sensor networks
CN105979599B (zh) 一种基于信道质量预测的无线传感器网络自适应跳信道方法
Cicioğlu Performance analysis of handover management in 5G small cells
Yan et al. Energy-efficient node positioning in optical wireless sensor networks
Abbasi et al. Low-power wide area network (LPWAN) for smart grid: An in-depth study on LoRaWAN
Alsaqour et al. Efficient energy mechanism in heterogeneous WSNs for underground mining monitoring applications
Chen et al. Chain-type wireless sensor network node scheduling strategy
Zhang et al. A hybrid approach using mobile element and hierarchical clustering for data collection in WSNs
Chehri et al. Enhancing energy efficiency of wireless sensor network for mining industry applications
CN107770779B (zh) 一种适用于矿井环境的认知机会通信方法
Kuruvatti et al. Prediction of dynamic crowd formation in cellular networks for activating small cells
Stusek et al. LPWAN coverage assessment planning without explicit knowledge of base station locations
Sun et al. AI model selection and monitoring for beam management in 5G-advanced
Chithaluru et al. An enhanced opportunistic rank-based parent node selection for sustainable & smart IoT networks
Abbagnale et al. A case study for evaluating IEEE 802.15. 4 wireless sensor network formation with mobile sinks
Andelic et al. Collaborative event driven energy efficient protocol (CEDEEP)
KHEDIRI et al. Fixed competition-based clustering approach wireless sensor network
Wang et al. An improved energy-efficient clustering algorithm based on MECA and PEGASIS for WSNs
Ikeda et al. Development of underground communication system for data transmission using Wi-Fi direct and power line communication
Ezenugu Low-energy adaptive clustering hierarchy (leach) algorithm for selection of cluster head in wireless sensor nodes
Hu et al. A novel cognitive opportunistic communication framework for coal mines
Jukuntla et al. Energy-efficient mobile sink data collection in wireless sensor networks using LEACH with rendezvous nodes

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant