CN108226864A - 基于最大似然估计法压缩感知的煤矿井下人员定位方法 - Google Patents
基于最大似然估计法压缩感知的煤矿井下人员定位方法 Download PDFInfo
- Publication number
- CN108226864A CN108226864A CN201810203074.3A CN201810203074A CN108226864A CN 108226864 A CN108226864 A CN 108226864A CN 201810203074 A CN201810203074 A CN 201810203074A CN 108226864 A CN108226864 A CN 108226864A
- Authority
- CN
- China
- Prior art keywords
- positioning
- substation
- target
- signal
- mobile
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 239000003245 coal Substances 0.000 title claims abstract description 23
- 238000007476 Maximum Likelihood Methods 0.000 title claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 8
- 239000011159 matrix material Substances 0.000 claims description 20
- 238000003860 storage Methods 0.000 claims description 19
- 238000012544 monitoring process Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000004891 communication Methods 0.000 claims description 7
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000004807 localization Effects 0.000 claims description 5
- 239000013307 optical fiber Substances 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 3
- 238000004220 aggregation Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 230000008569 process Effects 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 2
- 230000005611 electricity Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims description 2
- 238000005070 sampling Methods 0.000 abstract description 9
- 230000006835 compression Effects 0.000 abstract description 3
- 238000007906 compression Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 239000000835 fiber Substances 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002817 coal dust Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000035800 maturation Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/12—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves by co-ordinating position lines of different shape, e.g. hyperbolic, circular, elliptical or radial
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
- G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
- G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Probability & Statistics with Applications (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
- Mobile Radio Communication Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种用于煤矿井下的基于最大似然估计法压缩感知的人员定位方法。本方法根据巷道的空间结构和电磁波的本身属性特点,在井上设备有监控中心(PC机),运行人员定位管理软件,通过已有的网络与井下设备相连;井下设备包括定位分站和移动目标。在矿井的巷道内每隔一段距离放置一个定位分站。根据已知定位分站的位置以及定位分站到移动目标的距离,以定位分站为圆心,定位分站到移动目标的距离为半径,三圆交点即为移动目标位置。在信号的传输过程中,使用压缩感知算法,通过对原始信号的压缩采样以及精确重构,得到目标位置的精确坐标,实现精确定位。本发明的定位系统定位精度高,成本低,并且耗能少,系统设备结构简单。
Description
技术领域
本发明涉及煤矿井下安全监控领域,具体地说,是涉及一种基于最大似然估计法压缩感知的煤矿井下人员定位方法。
背景技术
煤炭是我国的主要能源,但由于我国煤田地质条件复杂,生产条件恶劣,井下作业人员的生命安全受到严重威胁。一旦发生事故,地面人员需及时掌握井下人员的具体位置。因此,研究煤矿井下目标精确定位方法与系统,对于保障井下安全生产、应急救援都具有重要的现实意义,井下目标定位系统精度的提高将极大地促进煤矿井下安全生产水平的提升。
由于巷道相对密闭,无法借助GPS等地面已有的卫星定位来辅助井下的目标定位;矿井定位目标是在限定空间内,定位设备的体积不能太大;井下具有甲烷等可燃性气体和煤尘,井下定位装置必须是防爆型电气设备;巷道内的无线信道环境恶劣,存在着大量的反射、散射、衍射以及透射等现象。这些使地面成熟的定位方法不能直接应用于煤矿井下。
目前国内外目标定位技术采用的无线传输介质主要以电磁波为主。以电磁波为传输介质的定位方法主要分为基于测距(Range-based)的方法和基于非测距(Range-free)方法。Range-based方法通过测量点到点的距离和角度,使用三边测量(Trilateration)、三角测量(Triangulation)或最大似然估计(Multilateration)算法计算节点的位置;Range-free方法则根据网络的连通属性估算节点位置。
Range-based方法主要有接收信号强度指示(Receiced Signal StrengthIndiction,RSSI)、到达时间(Time of Arrival,TOF)、到达时间差(Time Difference ofArrival,TDOA)和到达角度(Angle of Arrival,AOA)等,后三种方法对硬件的要求都非常高,从成本角度考虑,不适合应用于煤矿井下,基于RSSI方法进行测距时,当距离较小时对接收机的灵敏度要求很高,误差难以保证。
典型的Range-free定位算法包括DV-Hop、凸规划、MDS-MAP等,Range-free方法无需测量节点间的距离和到达角度,在无线节点的成本和功耗方面有一定的优势,但是定位精度与定位分站的密度和布置策略有关,提高精度就需要增加定位分站的密度,但定位分站的布置受巷道和工作环境限制,一方面,狭窄的空间内无法保证定位分站的随意布置,另一方面,增加定位分站的数量除了意味着成本的提高外,还导致故障率的升高和可靠性的降低。
目前国内取得矿用产品安全标志证的井下目标定位系统(有些称为位置检测系统或作业人员管理系统等),均采用电磁波作为无线传输介质,有基于RFID、蓝牙、WiFi和ZigBee等不同技术和协议,其中以RFID技术最普遍,但RFID的技术特点决定了定位精度取决于读卡器的密度,这就限制了定位精度的提高,所以很多基于RFID技术的系统严格地说并不具备“定位”功能,而只是“位置检测”,只能确定井下人员的大致区域;蓝牙技术传输距离短,抗干扰能力差,矿井环境中稳定性较差;目前,在国内使用的目标定位系统的精度均大于5米,目前国内矿井巷道的宽度一般不大于10米,也就是说,目前矿井目标定位系统只能给出定位目标在巷道纵向上的信息。
压缩感知理论(Compressive Sensing,CS)自2006年正式提出以来,在信号处理、通信、无线传感网络(Wireless Sensor Network,WSN)等领域中的应用迅速成为学术热点。WSN主要特点是传感器节点的能量、计算能力、通信能力受限,而融合中心有相对强大的计算能力,能量不受限。基于压缩感知的系统特点是:传感器节点直接采样少量数据,同时完成采样和压缩,不需要基于香农-奈奎斯特定理进行大量、高速采样再额外运行复杂的压缩算法。这使得传感器节点变得简单、廉价,付出的代价是信号恢复时的重构算法运算量较大,而信号重构是在融合中心进行,融合中心没有能量、计算能力的苛刻限制。压缩感知的这种“天然特性”是为WSN“量身定制”的。
综上所述,将WSN的基于RSSI的定位问题转换为压缩感知问题大大降低了系统的通信开销,可以显著提高定位精度。
发明内容
本发明的目的在于,针对井下目标定位技术存在的精度不够,且精度的提高受到井下环境和成本限制严重的问题,并考虑目前大多应用与研究需要大量计算量,不能综合利用各种资源的现状,公开一种结构简单计算量少的井下目标定位系统和一种定位精度高,算法简单的基于压缩感知的煤矿井下人员定位方法。该系统及方法根据压缩感知的特性,并结合巷道的空间结构特点,利用少量的定位分站和简单的算法实现实时精确的目标定位,可以很好的满足矿井目标定位的需要。
本发明的基于最大似然估计法压缩感知的煤矿井下人员定位方法的实现思想如下:
根据已知定位分站的位置以及定位分站到移动目标的距离,以定位分站为圆心,定位分站到移动目标的距离为半径,三圆交点即为移动目标位置。
本发明的定位系统是一种基于无线传感器网络(Wireless Sensor Network,WSN)的井下目标定位系统,包括地面监控中心、上层终端、井下中心站、网关节点,定位分站,移动目标。在系统中涉及的井下设备包括:井下中心站,网关节点,定位分站,移动目标,全部是本质安全型设备。
所述地面监控中心是一台计算机或者服务器,或者是多台计算机或服务器组成的计算机网络。地面监控中心从井下中心站接收从井下发来的定位数据包,处理定位数据包,并且,地面监控中心通过Internet网络连接上层终端,将实时的监测数据传送给上层终端。
所述上层终端是处在远地的监控中心,通过Internet网络与地面监控中心连接,获取实时监测数据。
所述井下中心站是交换机,负责汇聚网关节点通过总线发过来的信息,并通过光纤传输到地面监控中心。
所述网关节点包括:处理器存储器单元、电磁波收发单元、传感器、电源及总线模块。网关节点布设在每条支巷道的末端负责接收锚节点转发的定位数据包,并将其通过总线传送到井下中心站。
所述定位分站包括:处理器存储器单元、信号处理单元、电磁波收发单元、传感器、电源。定位分站悬挂于巷道顶板,距两侧巷道壁距离相等;定位分站向移动目标发射定位信号,接收移动目标发射的定位请求信号和定位数据包,将移动目标的定位数据包发送至相邻定位分站或网关节点,每个定位分站接收相邻定位分站的数据包并存储转发至相邻的另一个定位分站,接力转发数据包直至到网关节点,每个定位分站分配一个数字编号N,数字编号与其位置坐标对应,对应关系存储于地面监控中心;所述网关节点、定位分站和移动目标上安装传感器,检测周围的环境信息,采用与定位数据信息相同的传输方式,将数据传送到地面监控中心。
所述移动目标包括:处理器存储器单元、电磁波收发单元、传感器、电源。每个移动目标分配一个识别码,与人员唯一对应,对应关系存储于地面监控中心;移动目标向周围定位分站发射信号并接收反射回波,测量其与定位分站的距离,与定位分站进行通信,获取定位分站发射信号的接收强度和定位分站的数字编号,处理形成定位数据包;移动目标将定位数据包发送给最近的定位分站,定位数据包经过定位分站间的存储转发至地面监控中心。
所述基于最大似然估计法压缩感知的煤矿井下人员定位系统的网关节点、定位分站、移动目标中的传感器、电磁波收发单元和网关节点中的总线模块分别与各节点中的处理器存储器单元相连;各节点的电磁波收发单元接收和发送无线电磁波信号;网关节点、定位分站和移动目标中的传感器检测周围环境的温度、湿度、甲烷浓度信息,检测结果用与定位数据相同的传输方式,传送到地面监控中心;各节点中的处理器存储器单元存储、处理接收的数据,控制其它单元的运行;网关节点中的总线模块连接总线;各节点中的电源提供电能。
所述基于最大似然估计法压缩感知的煤矿井下人员定位方法,包括以下步骤:
A.根据巷道空间结构和工作环境,布设定位分站、网关节点及井下中心站;
B.移动目标周期性向周围定位分站发射电磁波定位请求信号,信号中包含移动目标的识别码;
C.接收到移动目标发送的请求信号的定位分站予以响应,利用压缩感知对请求信号进行处理再向移动目标发射包含移动目标识别码和定位分站数字编号的电磁波定位信号;
D.移动目标选择接收附近定位分站响应其请求信号发射的电磁波定位信号中包含自己识别码的定位信号,处理形成定位数据包发送给距其最近的定位分站,定位数据包通过定位分站的接力转发,最终传至地面监控中心;
E.地面监控中心接收到转发上来的移动目标发射的定位数据包后,提取其中的信息,利用重构算法重构出原始信号,得到移动目标的坐标。
所述步骤A包括下列步骤:
A1.在巷道内定位分站沿巷道纵向一字排开吊挂在巷道顶板,定位分站到两侧巷道壁的距离相等,任意两个相邻定位分站的距离应不大于定位分站间无线通信距离,不大于移动目标电磁波信号的覆盖半径,保证移动目标在巷道内任意位置都至少有两个定位分站接收到其发射的电磁波信号;
A2.根据井下巷道的结构特点,在每条支巷道的端点布设一个网关节点,网关节点与巷道端点处的定位分站的距离应不大于定位分站和网关节点之间的无线通信距离;
A3.根据井下巷道的结构特点及各网关节点的位置,选择既便于通过光纤连接地面监控中心又便于通过总线连接各网关节点的地点安置井下中心站,井下中心站通过总线与网关节点相连,通过光纤与地面监控中心相连。
所述步骤B中移动目标发射的电磁波信号采用码分多址的方法提高信号的抗干扰能力,根据井下移动目标的数量,生成PN码,每个移动目标一个PN码,与移动目标的识别码相对应,移动目标发射的电磁波信号包含自己的PN码,只接收包含自己PN码的反射回波。
所述步骤C包括下列步骤:
C1.移动目标选择接收附近定位分站响应其定位请求信号发射的电磁波定位信号中包含移动目标识别码的定位信号,测得各定位信号的信号强度,位置j处的目标在位置i处的信号能量大致可以粗略的表示为其中P0为位置i处的信号密度,dij为目标i处与位置j处的欧几里得距离,Gij为目标信号的罗利衰减,β∈[2.0,5.0]为根据环境变化的衰减指数;
C2.将定位区域分为N个网格,假设网格i中有αi个目标,其中αi∈{0,1,2,...,m},m为网格中最大可容纳目标数量的一个整数。α=[α1,α2,...,αN]T为一N×1的列向量,在每一个网格中设置一个传感器,用N×1的向量x来表示。这样我们就有x=Ψα,Ψ为一N×N的目标能量衰减矩阵,定义如下锚节点通过接力转发定位数据包至所在巷道端点处的网关节点;
C3.网关节点收到定位数据包后,通过总线转发给井下中心站,井下中心站通过光纤发送至地面监控中心。
所述步骤E包括下列步骤:
E1.地面监控中心从井下中心站接收转发上来的定位数据包,提取数据包中数据和移动目标的识别码;
E2.地面监控中心根据存储的数据和移动目标的识别码,用贪婪算法中的正交匹配追踪算法来重构信号;
E3.地面监控中心根据存储的数据考虑感知矩阵A=ΦΨ,T是A的正交基,即T=orth(AT)T,A+为A的广义逆。则有:Y=TA+y=TA+Aα=Tα,有噪声的情况下:Y=TA+y=TA+Aα+TA+N=Tα+N',定位重构算法通过输入矩阵Y与T,并在运算过程中不断更新相关参数进行K次迭代,最终确定目标人员所在位置向量。
本发明的有益效果是:
1.本发明采用基于CS的信号处理方法测得移动目标的精确位置,CS基于信号的稀疏性,通过低维空间的非相关观测实现对高维信号的感知,信号的采样与压缩同时以低速率进行,降低了对能量和计算能力的要求。
2.本发明采用将WSN监控区域离散为N个网格且将目标所在网格位置稀疏向量建模为一个K稀疏的N维向量,并给出了贪婪正交匹配追踪算法重构信号,本发明大大提高了定位的精度。
3.本发明采用基于CS的信号处理方法,算法非常简便,使得算法对硬件的要求大幅度降低,减小了因为复杂的算法带来的电能消耗。算法的简单使得系统中传送到数据很少,减小了定位数据占用的带宽,也减小了定位的延时。
4.本发明采用基于CS的方法测得移动目标的位置,而不是通过对信号强度的转换而求得移动目标与定位分站之间的距离,通过使用观测矩阵的等距约束性条件,加上适当的重构算法,得到移动目标的坐标,这样使得定位更加精确。
附图说明
图1是本发明的硬件布线图;
图2是本发明的定位原理示意图;
图3是本发明的压缩感知采样原理框图;
图4是本发明的网络模型图。
具体实施方式
为了使本发明技术方案的内容和优势更加清楚明了,以下结合附图,对本发明的基于最大似然估计法压缩感知的煤矿井下人员定位方法进行进一步的详细说明。
本发明的基于最大似然估计法压缩感知的煤矿井下人员定位系统,是一种基于无线传感器网络的井下目标定位系统,主要针对在井下目标定位方面现有技术在定位精度、成本限制等方面的不足,基于电磁波的本身属性及井下巷道的空间结构特点,提出一种基于无线传感器网络井下目标定位系统。
定位方法的实现主要由移动目标本身和与其临近的三个定位分站来完成:井下移动目标(包括井下工作人员和其他移动设备)佩戴可以发射和接收电磁波两种无线信号的移动节点,根据已知定位分站的位置以及定位分站到移动目标的距离,以定位分站为圆心,定位分站到移动目标的距离为半径,三圆交点即为移动目标位置。在平面上需要对一个移动目标进行定位,只需要三个定位分站以及这三个定位分站到移动标签的距离就可以求解出移动标签的位置。
下面结合附图,详细说明本发明的基于最大似然估计法压缩感知的煤矿井下人员定位系统及方法。
图1是本发明的定位系统的硬件布线图。
如图1所示,本发明的煤矿井下人员定位系统,包括地面监控中心1,上层终端2,井下中心站3,网关节点4,定位分站5,移动目标6。
地面监控中心1是一台计算机或者服务器,或者是多台计算机或者服务器组成的计算机网络。地面监控中心从井下中心站接收从井下发来的定位数据包,并处理定位数据包。并且,地面监控中心通过Internet网络连接上层终端,将实时的监测数据传送给上层终端。
上层终端2是处在远地的监控终端,通过Internet网络与地面监控中心连接,获取实时监测数据。
井下中心站3是交换机,负责汇聚网关节点通过总线发过来的数据信息,并通过光纤传输到地面监控中心。
网关节点4布设在支巷道的端点,接收定位分站转发的移动目标发射的定位数据包,传送到井下中心站。
图2是本发明的定位系统定位原理示意图。
如图2所示,5为定位分站,6为移动目标,根据已知定位分站5的位置以及定位分站5到移动目标6的距离,以定位分站5为圆心,定位分站5到移动目标6的距离为半径,三圆交点即为移动目标6位置。如图2所示,在平面上需要对一个移动目标6进行定位,只需要三个定位分站5以及这三个定位分站5到移动目标6的距离就可以求解出移动目标6的位置。
化简后可以得到基于距离的平面定位的极大似然估计形式为:
其中[*]-1表示左逆。
图3是本发明的定位系统的压缩感知采样原理框图。
如图3所示,7为模拟信号,8为重建的模拟信号。压缩感知理论表明,如果模拟信号稀疏,即||χ||0=K,(K<<N),就能够按照观测矩阵以低于奈奎斯特定律的速率进行采样,并通过观测值y=Φχ以高概率恢复出原始信号8。然而,实际中的很多信号本身是不稀疏的,但是能在某个变换域Ψ下稀疏表示,即χ=Ψα,||α||<<N,同样可以按照观测矩阵Φ对其进行欠采样,并通过观测值y=ΦΨα以高概率恢复出原始信号,令ΦΨ=A,则y=ΦΨα=Aα。
从y中恢复x是一个解决线性方程组问题,需要求解如式(3)所示的优化问题:
显然,这是一个NP难问题。然而,当矩阵ΦΨ满足约束等距性质(restrictedisometry property,RIP)时,上述问题可以松弛为l1范数最小优化问题:
RIP定义为:如果存在δk∈(0,1),使得
对所有x∈∑k{x:||x||0≤K}都成立,其中如果针对所有K阶稀疏矢量x均满足上式的最小常数δk,则矩阵A满足K阶约束等距特性,δk称为矩阵A的约束等距常数。
为了精确重构α,观测次数M应满足M≥Cμ2(Φ,Ψ)KlgN,其中C为某一固定常数,μ(Φ,Ψ)表示测量矩阵Φ和稀疏表示基Ψ的相关性。对于给定的N维空间中的一组正交基(Φ,Ψ)他们的相关性可以表示为
其中和ψj分别表示Φ和Ψ的行向量和列向量。
如果测量值y受到噪声扰动,那么测量值y将变为
y=Ax+N (7)
其中N为一未知误差扰动。
目标能量衰减模型描述了位置j处的目标在位置i处的信号能量大致可以粗略的表示为
其中P0为位置i处的信号密度,dij为目标i处与位置j处的欧几里得距离,Gij为目标信号的罗利衰减,β∈[2.0,5.0]为根据环境变化的衰减指数。罗利信号的实部与虚部服从独立同一的期望为0方差为的高斯分布。
将监控区域分为N个网格,假设网格i中有αi个目标,其中αi∈{0,1,2,...,m},m为网格中最大可容纳目标数量的一个整数。α=[α1,α2,...,αN]T为一N×1的列向量。α是k稀疏的,即α包含k个非零元素且k<<N。
为了确定目标位置,传统方法就是在监控区域设置大量传感器并且运用指纹库等方法。比如我们可以在每一个网格中设置一个传感器,用N×1的向量x来表示。这样我们就有
x=Ψα (9)
Ψ为一N×N的目标能量衰减矩阵,定义如下
由于α是k稀疏的,所以可以运用压缩感知理论以k<M<<N个测量值来还原α。这就意味着我们可以任意放置M个传感器,一个网格中最多放置一个,并且用他们的测量值来计算α。这在井下巷道中是可行的,因为在一个正方形区域中并不是每一处都有巷道,传感器只能放置在有巷道的位置,这符合任意放置原则。y为记录M个传感器测量值的M×1的列向量。我们有
y=Φχ (11)
其中
Φ=[Φ(1),Φ(2),...,Φ(M)]T (12)
记Φ(i)为一1×N的向量,除Φ(i,j)=1外其他元素都为0,其中j指传感器所在的第i个网格对应的列。
结合公式(9)与公式(11)我们可以得到
y=ΦΨα=Aα (13)
如果将噪声考虑在内,那么公式(13)应该如下表示:
y=Ax+N (14)
其中N为高斯白噪声。
下面证明A服从RIP:A=ΦΨ可以写成如下形式:
其中dij'为目标i到第j个传感器的距离。不失一般性的,我们假设P0=1。由于Gij'是服从罗利衰减的复杂高斯变量,y=Aα可以表示为:
y=(Arα+i*Aiα) (16)
其中Ar和Ai是元素A的实部与虚部。如果Ar和Ai都服从RIP,那么A必定服从RIP。另外,由于Gij'的实部与虚部是独立同一分布式的高斯变量,这也足够证明当Ar满足RIP时A也满足。
本文运用贪婪算法中的正交匹配追踪算法(orthogonal matching pursuit,OMP)来重构信号,得出目标位置。
考虑感知矩阵A=ΦΨ,T是A的正交基,即T=orth(AT)T,A+为A的广义逆。则有:
Y=TA+y=TA+Aα=Tα (17)
有噪声的情况下:
Y=TA+y=TA+Aα+TA+N=Tα+N' (18)
定位重构算法通过输入矩阵Y与T,并在运算过程中不断更新相关参数进行K次迭代,最终确定目标人员所在位置向量。其在每一次迭代中选择正交矩阵T中的列,使得所选择的列与当前的冗余向量r0(最初的冗余向量为Y)最大程度的相关,并将此列置零更新矩阵T,从矩阵Y中减去相关部分并继续迭代,直到迭代次数达到稀疏度K,强制迭代停止,得到的向量为对稀疏向量α的重构,即估测的目标所在位置。相应的伪码如下:
输入:Y、T、K,标识待重建目标信号中的非零元素位置的索引集Λ。
输出:
初始化:r=Y,循环标识k=0,索引集Λ0为空集。
当没有满足结束条件时,循环执行步骤(1)~(6)。
(1)k←k+1。
(2)找出残余分量r与采样矩阵中最匹配原子的索引λk,即
(3)更新索引集Λk=Λk-1∪{λk},并相应更新采样矩阵中的列集合
(4)重建目标信号,
(5)更新残余分量,
(6)判断是否满足k>K,若满足则停止迭代;若不满足,则执行步骤(1)。
图4是本发明的定位系统的网络模型图。
如图4所示,9为定位分站,10为移动目标。将被监测区域离散化为N个网格,M(M<<N)个位置信息已知的定位分站9随机部署在网格内,考虑网络覆盖的有效性,即保证网络被数量最少的定位分站覆盖的情况,本文假设每个网格内存在1~3个不等的移动目标10。K(K<M<<N)个移动目标10散布于不同的网格中且每个网格中的移动目标10不多于三个,并假设目标的真实位置为网格的中心坐标。
Claims (8)
1.一种基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,包括地面监控中心,上层终端,井下中心站,网关节点,定位分站,移动目标;
所述地面监控中心是一台计算机或者服务器,或者是多台计算机或者服务器组成的计算机网络;地面监控中心从井下中心站接收从井下发来的定位数据包,处理定位数据包;
所述上层终端是处在远地的监控中心,通过Internet网络与地面监控中心连接,获取实时监测数据;
所述井下中心站是交换机,汇聚网关节点发过来的定位数据包,传输到地面监控中心;
所述网关节点布设在支巷道的端点,接收定位分站转发的移动目标发射的定位数据包,传送到井下中心站;
所述每个移动目标分配一个识别码,与人员唯一对应,对应关系存储于地面监控中心;移动目标向周围定位分站发射信号并接收反射回波,测量其与定位分站的距离,与定位分站进行通信,获取定位分站发射信号的接收强度和定位分站的数字编号,处理形成定位数据包;移动目标将定位数据包发送给最近的定位分站,定位数据包经过定位分站间的存储转发至地面监控中心;
所述定位分站悬挂于巷道顶板,距两侧巷道壁距离相等;定位分站向移动目标发射定位信号,接收移动目标发射的定位请求信号和定位数据包,将移动目标的定位数据包发送至相邻定位分站或网关节点,每个定位分站接收相邻定位分站的数据包并存储转发至相邻的另一个定位分站,接力转发数据包直至到网关节点,每个定位分站分配一个数字编号N,数字编号与其位置坐标对应,对应关系存储于地面监控中心;所述网关节点、定位分站和移动目标上安装传感器,检测周围的环境信息,采用与定位数据信息相同的传输方式,将数据传送到地面监控中心;
所述井下人员定位系统中的井下设备,包括网关节点、定位分站、移动目标,全是本质安全型设备。
2.根据权利要求1所述基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,所述网关节点包括:处理器存储器单元、电磁波收发单元、传感器、电源、总线模块;
所述定位分站包括:处理器存储器单元、信号处理单元、电磁波收发单元、传感器、电源;
3.所述移动目标包括:处理器存储器单元、电磁波收发单元、传感器、电源。根据权利要求2所述基于压缩感知的井下人员定位系统,其特征在于,网关节点、定位分站、移动目标中的传感器、电磁波收发单元和网关节点中的总线模块分别与各节点中的处理器存储器单元相连;各节点的电磁波收发单元接收和发送无线电磁波信号;网关节点、定位分站和移动目标中的传感器检测周围环境的温度、湿度、甲烷浓度信息,检测结果用与定位数据相同的传输方式,传送到地面监控中心;各节点中的处理器存储器单元存储、处理接收的数据,控制其它单元的运行;网关节点中的总线模块连接总线;各节点中的电源提供电能。
4.一种基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,包括下列步骤:
A.根据巷道空间结构和工作环境,布设定位分站、网关节点及井下中心站;
B.移动目标周期性向周围定位分站发射电磁波定位请求信号,信号中包含移动目标的识别码;
C.接收到移动目标发送的请求信号的定位分站予以响应,利用压缩感知对请求信号进行处理再向移动目标发射包含移动目标识别码和定位分站数字编号的电磁波定位信号;
D.移动目标选择接收附近定位分站响应其请求信号发射的电磁波定位信号中包含自己识别码的定位信号,处理形成定位数据包发送给距其最近的定位分站,定位数据包通过定位分站的接力转发,最终传至地面监控中心;
E.地面监控中心接收到转发上来的移动目标发射的定位数据包后,提取其中的信息,利用重构算法重构出原始信号,得到移动目标的坐标。
5.根据权利要求4所述基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,所述步骤A包括下列步骤:
A1.在巷道内定位分站沿巷道纵向一字排开吊挂在巷道顶板,定位分站到两侧巷道壁的距离相等,任意两个相邻定位分站的距离应不大于定位分站间无线通信距离,不大于移动目标电磁波信号的覆盖半径,保证移动目标在巷道内任意位置都至少有两个定位分站接收到其发射的电磁波信号;
A2.根据井下巷道的结构特点,在每条支巷道的端点布设一个网关节点,网关节点与巷道端点处的定位分站的距离应不大于定位分站和网关节点之间的无线通信距离;
A3.根据井下巷道的结构特点及各网关节点的位置,选择既便于通过光纤连接地面监控中心又便于通过总线连接各网关节点的地点安置井下中心站,井下中心站通过总线与网关节点相连,通过光纤与地面监控中心相连。
6.根据权利要求4所述基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,所述步骤B中移动目标发射的电磁波信号采用码分多址的方法提高信号的抗干扰能力,根据井下移动目标的数量,生成PN码,每个移动目标一个PN码,与移动目标的识别码相对应,移动目标发射的电磁波信号包含自己的PN码,只接收包含自己PN码的反射回波。
7.根据权利要求4所述基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,所述步骤C包括下列步骤:
C1.移动目标选择接收附近定位分站响应其定位请求信号发射的电磁波定位信号中包含移动目标识别码的定位信号,测得各定位信号的信号强度,位置j处的目标在位置i处的信号能量大致可以粗略的表示为其中P0为位置i处的信号密度,dij为目标i处与位置j处的欧几里得距离,Gij为目标信号的罗利衰减,β∈[2.0,5.0]为根据环境变化的衰减指数;
C2.将定位区域分为N个网格,假设网格i中有αi个目标,其中αi∈{0,1,2,...,m},m为网格中最大可容纳目标数量的一个整数。α=[α1,α2,...,αN]T为一N×1的列向量,在每一个网格中设置一个传感器,用N×1的向量x来表示。这样我们就有x=Ψα,Ψ为一N×N的目标能量衰减矩阵,定义如下锚节点通过接力转发定位数据包至所在巷道端点处的网关节点;
C3.网关节点收到定位数据包后,通过总线转发给井下中心站,井下中心站通过光纤发送至地面监控中心。
8.根据权利要求4所述基于最大似然估计法压缩感知的煤矿井下人员定位方法,其特征在于,所述步骤E包括下列步骤:
E1.地面监控中心从井下中心站接收转发上来的定位数据包,提取数据包中数据和移动目标的识别码;
E2.地面监控中心根据存储的数据和移动目标的识别码,用贪婪算法中的正交匹配追踪算法来重构信号;
E3.地面监控中心根据存储的数据考虑感知矩阵A=ΦΨ,T是A的正交基,即T=orth(AT)T,A+为A的广义逆。则有:Y=TA+y=TA+Aα=Tα,有噪声的情况下:Y=TA+y=TA+Aα+TA+N=Tα+N',定位重构算法通过输入矩阵Y与T,并在运算过程中不断更新相关参数进行K次迭代,最终确定目标人员所在位置向量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810203074.3A CN108226864A (zh) | 2018-03-13 | 2018-03-13 | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810203074.3A CN108226864A (zh) | 2018-03-13 | 2018-03-13 | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108226864A true CN108226864A (zh) | 2018-06-29 |
Family
ID=62659323
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810203074.3A Pending CN108226864A (zh) | 2018-03-13 | 2018-03-13 | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108226864A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110049435A (zh) * | 2019-05-10 | 2019-07-23 | 中国矿业大学(北京) | 基于压缩感知rss指纹库及超声波的井下定位方法 |
CN110907951A (zh) * | 2018-09-17 | 2020-03-24 | 林志弘 | 用于预定范围的追踪定位系统 |
CN113902068A (zh) * | 2021-09-17 | 2022-01-07 | 国能网信科技(北京)有限公司 | 煤矿井下传感器部署方法、装置、存储介质及电子设备 |
CN115379556A (zh) * | 2022-08-17 | 2022-11-22 | 上海应用技术大学 | 一种定位人员的井下智能电灯装置及定位方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721944A (zh) * | 2012-07-09 | 2012-10-10 | 中国矿业大学(北京) | 基于距离约束的井下电磁波超声联合定位系统及方法 |
CN105676178A (zh) * | 2016-01-13 | 2016-06-15 | 南京邮电大学 | 基于压缩感知和bp神经网络的无线传感器网络定位方法 |
-
2018
- 2018-03-13 CN CN201810203074.3A patent/CN108226864A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102721944A (zh) * | 2012-07-09 | 2012-10-10 | 中国矿业大学(北京) | 基于距离约束的井下电磁波超声联合定位系统及方法 |
CN105676178A (zh) * | 2016-01-13 | 2016-06-15 | 南京邮电大学 | 基于压缩感知和bp神经网络的无线传感器网络定位方法 |
Non-Patent Citations (3)
Title |
---|
崔婷婷: "无线传感器网络多目标稀疏信息定位机制", 《中国优秀硕士学位论文全文数据库信息科技辑》, pages 140 - 480 * |
柴继贵: "WSN中一种基于压缩感知的目标定位算法", 《计算机工程》, vol. 39, no. 3, pages 77 - 81 * |
田子建: "一种基于分布式压缩感知的矿井目标指纹数据库建立方法", 《电子与信息学报》, vol. 41, no. 10, pages 2450 - 2456 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907951A (zh) * | 2018-09-17 | 2020-03-24 | 林志弘 | 用于预定范围的追踪定位系统 |
CN110049435A (zh) * | 2019-05-10 | 2019-07-23 | 中国矿业大学(北京) | 基于压缩感知rss指纹库及超声波的井下定位方法 |
CN110049435B (zh) * | 2019-05-10 | 2024-02-20 | 中国矿业大学(北京) | 基于压缩感知rss指纹库及超声波的井下定位方法 |
CN113902068A (zh) * | 2021-09-17 | 2022-01-07 | 国能网信科技(北京)有限公司 | 煤矿井下传感器部署方法、装置、存储介质及电子设备 |
CN115379556A (zh) * | 2022-08-17 | 2022-11-22 | 上海应用技术大学 | 一种定位人员的井下智能电灯装置及定位方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111919476B (zh) | 一种室内定位的方法、服务器及定位系统 | |
US8896442B1 (en) | System and method for collaborative resource tracking | |
CN102523621B (zh) | 一种井下人员定位系统及方法 | |
CN103561462B (zh) | 一种完全基于智能移动终端平台的室内定位系统和方法 | |
CN103777174B (zh) | 基于有源多功能rfid标签室内定位系统 | |
CN102721944B (zh) | 基于距离约束的井下电磁波超声联合定位方法 | |
CN102711040B (zh) | 基于无线传感器网络的煤矿井下一维定位方法和系统 | |
CN105863735B (zh) | 地磁与rfid 射频结合的井下定位方法 | |
CN102638763B (zh) | 井下电磁波超声联合定位系统及方法 | |
Zhu et al. | Survey of indoor positioning technologies and systems | |
CN103363988A (zh) | 一种利用智能手机传感器实现地磁室内定位导航的方法 | |
CN105352504A (zh) | 一种惯性导航与激光扫描融合的采煤机定位装置及方法 | |
KR101073318B1 (ko) | 복수의 안테나를 포함한 단말기의 위치 확인 시스템 및 방법 | |
CN108226864A (zh) | 基于最大似然估计法压缩感知的煤矿井下人员定位方法 | |
CN102868751B (zh) | 基于距离约束的井下目标定位方法 | |
CN202153357U (zh) | 固定场区内的人员精确定位系统 | |
CN102832966A (zh) | 基于非视距抑制的矿井超宽带定位方法及系统 | |
CN105044659A (zh) | 基于环境光谱指纹的室内定位装置及方法 | |
Rozum et al. | Bluetooth low power portable indoor positioning system using simo approach | |
CN205067727U (zh) | 一种基于ZigBee和RFID的服务机器人定位系统 | |
CN202870292U (zh) | 基于距离约束的井下电磁波超声联合定位系统 | |
CN108519577A (zh) | 基于压缩感知toa特征信号指纹库的分布式定位方法 | |
CN202475760U (zh) | 无线传感网定位系统 | |
Wei et al. | iMag+: An accurate and rapidly deployable inertial magneto-inductive SLAM system | |
Gikas et al. | Full-scale testing and performance evaluation of an active RFID system for positioning and personal mobility |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180629 |
|
WD01 | Invention patent application deemed withdrawn after publication |