CN110536237A - 基于uwb的位置信息采集方法 - Google Patents
基于uwb的位置信息采集方法 Download PDFInfo
- Publication number
- CN110536237A CN110536237A CN201910832579.0A CN201910832579A CN110536237A CN 110536237 A CN110536237 A CN 110536237A CN 201910832579 A CN201910832579 A CN 201910832579A CN 110536237 A CN110536237 A CN 110536237A
- Authority
- CN
- China
- Prior art keywords
- data
- label
- uwb
- time
- positioning
- 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
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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/02—Services making use of location information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W64/00—Locating users or terminals or network equipment for network management purposes, e.g. mobility management
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了基于UWB的位置信息采集方法,S1:将UWB定位标签安装在电力工作现场巡检人员的帽子和胸部,并进行UWB定位标签的校准;S2:利用校准后的UWB定位标签来采集巡检人员活动时头部和胸部的空间位置变化信息,并通过信道传输给数据处理单元;S3:数据处理单元对采集到的空间位置变化信息数据进行处理,对原始数据进行基于时间轴的数据对齐处理,采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,并对分割好的动作数据片段进行去噪;S4:根据处理后的数据对巡检人员进行实时定位,并由预设的危险区域边界值对巡检人员的实时位置进行预警,若巡检人员落入预设的危险区域边界值,则进行预警。
Description
技术领域
本发明涉及电力作业现场人员定位技术领域,具体涉及基于UWB的位置信息采集方法。
背景技术
在电力作业现场运行维护过程中,在规定的日期,工作人员应在电力作业现场巡视,对电力作业所用的设备进行检查,从而及时发现和处理设备故障或隐患,方便工作人员对事故异常情况及时处理,以保证设备安全正常的运行。在强电和多设备的环境下,电力作业现场具有复杂性和危险性,电力作业现场管理常会出现误操作和安全隐患,因此电力作业现场管理历来是电力安全生产极其重要的环节。
虽然电力作业现场严格要求按照电力系统安全操作规程执行任务,仍然有工作人员操作不当导致人为事故发生。但是在长期经验积累和总结下,一方面,管理人员加强管理措施,包括操作规范、两票制度、岗位责任制度等。另一方面,研究人员不断跟进技术手段,恶性事故发生率不断降低,电网、设备、人身的安全也得到了保障。
延伸至大范围,传感器网络具有信息采集、融合与处理的能力,因此能够全方位智能监测影响电力作业现场运行的因素,自动实时对设备和人员进行识别、定位、跟踪、监控,开始或结束相应事件,完成对设备和人员的实时管理和控制。设备经过智能诊断和辅助决策后,将信息传送给现场运维人员;这些手段让变电站智能巡检、作业安全管理和调度指挥实现了互动化,大幅度提升变电站现场运维管理水平,是可信、高效可用的信息支持方式。目前,很多相关的定位技术都逐步研究出来了,比如红外线、射频识别、WiFi、Zigbee、视觉定位等技术,都取得了不错的效果。然而尽管上述室内定位技术在一定环境条件下可以取得较好的定位效果,但是有不同的缺陷存在于这些技术中,可能是定位精度低,或者是对定位环境要求苛刻,因此总体来说,上述的室内定位技术还无法满足人们对定位感知系统精度高、环境适应性好的要求。
发明内容
本发明所要解决的技术问题是:现有的电力作业现场人员的定位中针对位置信息的采集处理不够精准、信息数据易缺失、误差比较大,进而造成定位精度低,对定位环境要求过于严格,对高精度的定位感知系统、具有良好的环境适应性的要求无法达到,本发明提供了解决上述问题的基于UWB的位置信息采集方法,用于电力作业现场人员的定位中针对位置信息的采集处理精准度高,并且对信息数据易缺失的情况进行了补齐,使采集到的数据用于定位的误差比较小,进而提高定位精度,适应在电力领域中进行人员定位。
本发明通过下述技术方案实现:
基于UWB的位置信息采集方法,包括变电站作业现场人员定位系统,该方法包括:
S1:将UWB定位标签安装在电力作业现场巡检人员的帽子和胸部,通过在巡检现场采集一组巡检人员帽子处UWB定位标签和胸部UWB定位标签的测距,进行UWB定位标签的校准;
S2:利用校准后的UWB定位标签来采集巡检人员活动时头部和胸部的空间位置变化信息,并通过信道传输给数据处理单元;
S3:数据处理单元对采集到的空间位置变化信息数据进行处理,对原始数据进行基于时间轴的数据对齐处理,一个数据时间对齐的样本序列是源于经过数据时间轴对齐后的原始数据,且每个采样时间点上都有一个标签;采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,并对分割好的动作数据片段进行去噪;
S4:根据数据处理单元处理后的数据对巡检人员进行实时定位,并由预设的危险区域边界值对巡检人员的实时位置进行预警,若巡检人员落入预设的危险区域边界值,则进行预警;若巡检人员未落入预设的危险区域边界值,则不进行预警。
进一步地,所述UWB定位标签的原始数据格式为(UWB,ID,TIME,X,Y,Z),ID为UWB定位标签的标号,TIME为定位系统定位数据的时间,X,Y,Z分别为UWB定位标签在定位系统下的空间坐标信息。UWB定位标签采用UWB超宽带技术,它是基于窄脉冲的无线技术,具有高传输率,低功耗,穿透能力强等优点。
进一步地,由于电力作业现场人员定位系统在任一时刻都仅仅定位一个UWB定位标签,对采集到的数据在处理时需要保持UWB定位标签数据在时间轴上的统一,因此本发明方法考虑对原始数据做基于时间轴的数据对齐。
在电力作业现场人员定位系统定位阶段,每个定位标签都具有休眠功能,即UWB定位标签若持续10s处于静止状态或只有轻微震动,则标签将会进入休眠状态,直至下次检测到标签震动;在休眠期间传感器无法对UWB定位标签进行定位。如果巡检人员的某个动作造成UWB定位标签处于长时间的静止状态,譬如静止站立时的头部处标签、静止坐立时胸部处标签等,当这种静止状态持续时间大于10s时,UWB定位标签将进入休眠状态,在此期间系统将缺失该标签的位置信息。为解决这个问题,本发明根据标签进入休眠状态是因为标签处于静止状态,即其位置处于不变状态,提出了用已知的标签的最后一次定位到的标签位置信息补齐在标签休眠期间造成缺失的数据。
具体地,步骤S3中对原始数据进行基于时间轴的数据对齐处理,用已知的标签的最后一次定位到的标签位置信息补齐在标签休眠期间造成缺失的数据,具体包括以下步骤:
设定电力作业现场人员定位系统中传感器定位UWB定位标签的刷新频率为10Hz,首先取得一个在0.1s时间内同时出现2个标签的时间区间作为合法区间,并以其首个标签出现的时间t作为初始时间,在本次区间的标签数据信息被记录后;开始进入下一个采样区间,若此次标签信息出现缺失,则由上一次的标签信息补齐,依此执行,直至数据采集结束。
进一步地,步骤S3中采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,其中,固定滑动时间窗口采用1.3s的滑动时间窗口。
进一步地,步骤S2中的信道采用2~10GHz的超宽带信道模型,该信道模型通过考虑路径损耗、功率延时和小尺度衰落来综合消除遮挡物对UWB定位标签产生的多路径影响;其中,遮挡物包括实体墙、钢板、玻璃、木板、纸板、电线杆和树木。
具体地,室内定位中,会出现非视距的情况,即有遮挡物对信号的传输造成干扰,因此需要考虑遮挡物的情况,遮挡对UWB定位标签的影响主要分以下几种情形:
1)实体墙:一堵实体墙的这种遮挡将使得UWB信号衰减60-70%定位精度误差上升30厘米左右,两堵或者两堵以上的实体墙遮挡,将使得UWB无法定位。
2)钢板:钢铁对UWB脉冲信号吸收很严重,将使得UWB无法定位。
3)玻璃:玻璃遮挡对UWB定位精度有较大影响。
4)木板或纸板:一般厚度10厘米左右的木板或纸板对UWB定位精度没太大影响。
5)电线杆或树木:电线杆或者树木遮挡时需要看他们之间距离基站或者标签的距离,和基站和标签的相对距离比较是否很小,比如,基站和定位标签距离50米,电线杆或者树木正好在两者中间,25米处,这种遮挡就无大的影响,如离基站或者标签距离很近小于1米,影响就很大。
具体地,路径损耗模型(Path Loss)、功率延时分布模型(Power Delay Profile)、小尺度衰落模型(Small-scale Fading)如下:
1)路径损耗模型
对于窄带系统,它的路径损耗模型通常可以抽象为下式所示:
如式(1)中所示,Pin和Pout分别表示接受功率与发射功率,d表示发送端与接收端两者之间的距离,而f为基准频率。
超宽带信号带宽很宽,不但距离因素应该在建立路径损耗模型时被考虑,频率的不同对其产生的影响也应该被考虑。为了方便计算,简化了的距离和频率为参数的路径损耗模型如下式所示;
PL(d,f)=PL(d)PL(f) (2)
如式(2)中,路径损耗与频率的函数关系具体见下式所示:
如式(3)中,k为频率相对于路径损耗的影响因子。
如果考虑阴影(shadow)对其的影响,路径损耗与距离的函数关系具体见下式所示:
式(4)中,室内信号传播d距离的能量衰减PL(d),基准距离d0=1m,PL0是d0距离处的能量消耗,n是衰减因子,它的值与环境因素密切相关,视距(Line of Sight,LOS)还是非视距(Non Line of Sight,NLOS)的实际环境决定它,显然,环境如果越复杂,n的值就越大,能量损耗值越大。Xσ是服从高斯分布的随机变量,单位为dB,标准差为σ。n和σ可以根据实测数据,利用线性递归方程计算可得。一般而言,室内LOS环境下n在1~2之间取值,而在室内NLOS环境下n在3~7之间取值,σ则在4~10之间取值。
2)功率延时分布模型
大量实测数据表明,信号分簇现象可以被S-V模型很好地描述,所以我们用其来拟合信号的分簇到达时间(Cluster Arrival Times),具体可以用冲激响应hdiscr(t)表示为下式所示:
如式(5)所示,其中为相对相位,其服从[0,2π)的均匀分布,而ak,l是第l簇中第k个多径分量的加权系数;Tl则表示第一簇的到达时间,而τk,l为第l簇中的第k个多径分量相对于Tl的时间延时,τ0,l=0。
因为簇的数量L是满足泊松分布,它的概率密度函数(PDF)如下式所示:
如式(6)所示,均值L-能够较好的描述其分布特性。
而簇的到达时间服从泊松分布,数学关系如下式所示:
p(Tl|Tl-1)=^l exp[-^l(Tl-Tl-1)]l>0 (7)
如式(7)所示,^l为第l簇的到达率,且它们之间相互独立。因此我们可以综合两个泊松过程来表示功率延时分布模型的信号到达率(Ray Arrival Rates),如下式所示:
p(τk,l|τ(k-1),l)=βλ1 exp[-λ1(τk,l-τ(k-1),l)]+(β-1)λ2 exp[-λ2(τk,l-τ(k-1),l)]l>0 (8)
如式(8)所示,β表示混合概率,λ1、λ2是其到达速率。而针对每条多径分量,它功率延时包络的期望用下式表示:
如式(9)所示,Ωl其中为第l簇多径的总功率,γl为簇的衰减时间常数,并且能够与簇群的到达时间成比例关系。
簇内衰减时间常数γl与簇群的到达时间Tl的比例关系函数如下式所示:
γl∞kγTl+γ0 (10)
其中,kγ为比例因子。可得如下公式:
10log(Ωl)=10log(exp(-T/Γ))+Mcluster (11)
如式(11)所示,Mcluster变量服从正态分布,其标准差用σcluster表示。
对于非视距(NLOS)的情况下,对于模型中每个簇内的每个多径分量,它的功率延时包络的期望用下式表示;
式(12)中,γl表示随时间推移而产生的衰减,而γrise表示功率延时模型的增长速度,χ为第一条多径分量的衰减描述。
3)小尺度衰落模型
小尺度衰落,又称快衰落,是指在短距离的传输中信号快速的衰减。在传输过程中,信号经过矢量合成后发生了较大程度的衰减信号,在信号接收端,由于多径传播现象影响,最终引发了小尺度衰落。小尺度衰落模型分为下述三种形式:
Rayleigh分布、Rician分布和Nakagami分布。
一般的窄带通信系统,在正常情况下,信道发生衰减的幅度服从Rician与Nakagami分布,而其它多径分量的衰减则一般服从Rayleigh分布。电力作业现场人员定位系统,环境不如一般的窄带通信系统简单,地面和家具会对发射信号产生反射、绕射、散射,同时会产生密度较大的多径。实际情况中,多径分量之间的时间间隔小,使得信号衰减幅度服从Nakagami信道模型,公式如下所示:
式(13)中,m是Nakagami信道的m因子,且满足m≧0.5,Γ(m)为伽马函数,Ω是平均幅度。
式(13)可以通过式(14)与式(15)近似转换为莱斯分布:
式(14)中,Kr是莱斯因子,m含义不变,并且m因子服从对数正态分布,其均值为um、均方差为σm,并且um和σm都与时延有关,如下式所示:
μm(τ)=m0-kmτ (16)
其中,m=m^0,针对每一簇中的第一径,Nakagami信道中m因子的值与时间无关,并且两两之间相互独立。
进一步地,步骤S1之前还包括对电力作业现场人员定位系统进行误差测量,在电力作业现场室内选择了13个测量点进行误差测量,具体包括以下步骤:
S01、使用激光测距仪手动测量选取的测量点的实际坐标信息;
S02、利用UWB定位标签的休眠特性,在一个测量点上采集标签10s时间的系统定位坐标信息;
S03、根据步骤S01、S02,通过比较实际坐标信息与标签10s内坐标信息的均值得到系统的误差,根据系统的误差对系统的定位精度做先前评估。
本发明具有如下的优点和有益效果:
1、本发明对原始数据进行基于时间轴的数据对齐处理,用已知的标签的最后一次定位到的标签位置信息补齐在标签休眠期间造成缺失的数据,避免信息数据缺失造成的数据不准,减小数据采集处理的误差;
2、本发明传输信道采用2~10GHz的超宽带信道模型,该信道模型通过考虑路径损耗、功率延时和小尺度衰落来综合消除遮挡物对UWB定位标签产生的多路径影响,消除遮挡物对信号的传输造成干扰,从而提高定位精度;
3、本发明通过改进的UWB定位标签内部模块校准方法进行UWB定位标签的校准,保证后续采集数据有较高的准确度;
4、本发明方法合理、稳定且有效,用于电力作业现场人员的定位中针对位置信息的采集处理精准度高,并且对信息数据易缺失的情况进行了补齐,使采集到的数据用于定位的误差比较小,进而使定位精度高,适应在电力领域中进行人员定位。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本申请的一部分,并不构成对本发明实施例的限定。在附图中:
图1为本发明的数据时间轴对齐示意图。
图2为本发明的UWB定位标签的校准时线性拟合示意图。
图3为本发明的巡检人员人体UWB定位标签安装示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,下面结合实施例和附图,对本发明作进一步的详细说明,本发明的示意性实施方式及其说明仅用于解释本发明,并不作为对本发明的限定。
实施例1
如图1至图3所示,基于UWB的位置信息采集方法,包括电力作业现场人员定位系统,该方法包括:
S1:将UWB定位标签安装在电力作业现场巡检人员的帽子和胸部,如图3所示;通过在巡检现场采集一组巡检人员帽子处UWB定位标签和胸部UWB定位标签的测距,进行UWB定位标签的校准;其中,所述UWB定位标签的原始数据格式为(UWB,ID,TIME,X,Y,Z),ID为UWB定位标签的标号,TIME为定位系统定位数据的时间,X,Y,Z分别为UWB定位标签在定位系统下的空间坐标信息。
S2:利用校准后的UWB定位标签来采集巡检人员活动时头部和胸部的空间位置变化信息,并通过信道传输给数据处理单元;其中,信道采用2~10GHz的超宽带信道模型,该信道模型通过考虑路径损耗、功率延时和小尺度衰落来综合消除遮挡物对UWB定位标签产生的多路径影响,消除遮挡物对信号的传输造成干扰,从而提高定位精度。
S3:数据处理单元对采集到的空间位置变化信息数据进行处理,对原始数据进行基于时间轴的数据对齐处理,经过数据时间轴对齐后的原始数据形成一个数据时间对齐的样本序列,且每个采样时间点上都有一个标签;采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,并对分割好的动作数据片段进行去噪;
具体地:对原始数据进行基于时间轴的数据对齐处理,用已知的标签的最后一次定位到的标签位置信息补齐在标签休眠期间造成缺失的数据,具体包括以下步骤:
设定电力作业现场人员定位系统中传感器定位UWB定位标签的刷新频率为10Hz,即在1s内可得到UWB定位标签的10条原始数据序列,其每两条数据序列标签的时间相隔为0.1s;由此本发明定义如下的数据时间轴对齐方法如下:首先取得一个在0.1s(设置的固定采样间隔)时间内同时出现2个标签的时间区间作为合法区间,并以其首个标签出现的时间t作为初始时间,记录本次区间的标签数据信息;开始进入下一个采样区间,若此次标签信息出现缺失,则由上一次的标签信息补齐,依此执行,直至数据采集结束。数据时间轴对齐效果如图1所示,其中会有无标签信息缺失、一个标签信息缺失、两个标签信息缺失、三个标签信息缺失等四种情况。
经过数据时间轴对齐后的数据仍为一个连续的数据流,怎样从这个数据流中分割出包含一个完整动作信息的数据段就是滑动时间窗口的划分问题。滑动时间窗口划分超过一定限制时,过多的数据信息会包含在此段时间片段里,此时系统计算量增加,系统负载过大;相反,滑动时间窗口划分小于一定限制,过少的数据信息包含在此段时间片段种,此时所有的数据信息不能完整的描述一个动作,系统后续识别的准确率降低。本发明实施例在实验阶段初期选择了0.6s至1.5s之间的10个滑动时间窗口值,经过大量实验分析,综合识别准确率与实时性,最终选择了1.3s的滑动时间窗口,也就是从数据流中每隔1.3s作为一个动作分割片段,对其进行处理。
采用1.3s的固定滑动时间窗口将连续的数据流分割成一个个的数据片段,每个片段内的数据包含一个完整的动作信息。由于受到周围环境以及定位技术的限制,定位系统采集到的原始数据往往会受到噪音的影响,数据的可用性被降低。未解决此问题,项目利用窗口为3的中值滤波器对分割好的动作数据片段进行去噪。
S4:根据数据处理单元处理后的数据对巡检人员进行实时定位,并由预设的危险区域边界值对巡检人员的实时位置进行预警,若巡检人员落入预设的危险区域边界值,则进行预警;若巡检人员未落入预设的危险区域边界值,则不进行预警。
本实施例中,步骤S1中通过在巡检现场采集一组巡检人员帽子处UWB定位标签和胸部UWB定位标签的测距,进行UWB定位标签的校准;
这是基于使用的现场,环境都是不同的,受经纬度、空气质量、环境障碍物、海拔等等因素干扰,所以采集数据前需对UWB定位标签内部模块进行校准。校准只需要在现场进行一次,通过1个Anchor(即巡检人员帽子处UWB定位标签)和1个Tag(同一巡检人员胸部UWB定位标签)的测距,得到修正系数,并不需要每个Anchor和Tag都进行标定。利用Microsoft2016Excel软件,进行数据拟合,并生成拟合公式。拟合公式有很多,本实施例中采用最简单的是线性方程,如图2所示,为线性拟合曲线,测距值存在instancegetidist_mm(0),instancegetidist_mm(1),instancegetidist_mm(2),instancegetidist_mm(3),这四个变量里,每个距离,都需要代入刚才计算出来的校准公式内。在main.c函数中,原程序为:
n=sprintf((char*)&usbVCOMout[0],
"mc%02x%08x%08x%08x%08x%04x%02x%08x%c%d:%d\r\n",
valid,instancegetidist_mm(0),instancegetidist_mm(1),
instancegetidist_mm(2),instancegetidist_mm(3),
l,r,rangeTime,
(instance_mode==TAG)?'t':'a',taddr,aaddr);
本发明方法中,将其改为:
n=sprintf((char*)&usbVCOMout[0],
"mc%02x%08x%08x%08x%08x%04x%02x%08x%c%d:%d\r\n",
valid,(int)((instancegetidist_mm(0)*0.9972)-613.42),
(int)((instancegetidist_mm(1)*0.9972)-613.42),
(int)((instancegetidist_mm(2)*0.9972)-613.42),
(int)((instancegetidist_mm(3)*0.9972)-613.42),
l,r,rangeTime,
(instance_mode==TAG)?'t':'a',taddr,aaddr);
在本发明中,争对测量误差和非线性优化问题,提出了基于混沌理论优化粒子群(CPSO)算法;对该算法的核心-自适应度函数进行了编写。下面为Fitness函数程序:
下面为基于混沌理论优化粒子群(CPSO)算法程序:
重新编译,只需要将程序下载到和电脑连接的UWB定位标签模块里即可,不需要每个模块都下载。通过数据修正,UWB定位标签测量的距离值,有非常高的准确度。
本发明方法借助超宽带UWB技术,它具有高传输率,低功耗,穿透能力强等优点;首先,根据电力巡检现场的实际问题需求,自行定义UWB定位标签,并在巡检人员的帽子和胸部均安装有UWB定位标签,通过改进的UWB定位标签内部模块校准方法进行UWB定位标签的校准,保证较高的准确度;其次,利用校准后的UWB定位标签来采集巡检人员活动时头部和胸部的空间位置变化信息,并通过信道传输给数据处理单元,其中信道采用2~10GHz的超宽带信道模型,该信道模型通过考虑路径损耗、功率延时和小尺度衰落来综合消除遮挡物对UWB定位标签产生的多路径影响,消除遮挡物对信号的传输造成干扰,从而提高定位精度;然后,对采集到的空间位置变化信息数据进行处理,对原始数据进行基于时间轴的数据对齐处理,经过数据时间轴对齐后的原始数据形成一个数据时间对齐的样本序列,且每个采样时间点上都有一个标签;采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,并对分割好的动作数据片段进行去噪;这样保证采集到的数据处理的高准确度,并且对信息易缺失处进行补齐处理;最后,根据数据处理单元处理后的数据对巡检人员进行实时定位,并由预设的危险区域边界值对巡检人员的实时位置进行预警,若巡检人员落入预设的危险区域边界值,则进行预警,收到预警的巡检人员便不会进入危险区域,保证人员安全;若巡检人员未落入预设的危险区域边界值,则不进行预警,这样实时精准监控现场工作人员的行为并进行相应预警,保证巡检人员的人身安全。
本发明方法合理、稳定且有效,用于电力作业现场人员的定位中针对位置信息的采集处理精准度高,并且对信息数据易缺失的情况进行了补齐,使采集到的数据用于定位的误差比较小,进而使定位精度高,适应在电力领域中进行人员定位。
实施例2
如图2所示,本实施例与实施例1的区别在于,步骤S1之前还包括对变电站作业现场人员定位系统进行误差测量,在变电站室内选择了13个测量点进行误差测量,具体包括以下步骤:
S01、使用激光测距仪手动测量选取的测量点的实际坐标信息;
S02、利用UWB定位标签的休眠特性,在一个测量点上采集标签10s时间的系统定位坐标信息;
S03、根据步骤S01、S02,通过比较实际坐标信息与标签10s内坐标信息的均值得到系统的误差,根据系统的误差对系统的定位精度做先前评估。
由于本发明实施的数据是安装在变电站巡检人员头部和胸部标签位置信息,因此,本发明在每个测量点有针对的选择了一个高度,即每个点包括两个测量点,一个头部高度的点,一个胸部高度的点,故误差用头部高度的点做参照。
以上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施方式而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.基于UWB的位置信息采集方法,其特征在于:变电站作业现场人员定位系统,该方法包括:
S1:将UWB定位标签安装在变电站巡检人员的帽子和胸部,通过在巡检现场采集一组巡检人员帽子处UWB定位标签和胸部UWB定位标签的测距,进行UWB定位标签的校准;
S2:利用校准后的UWB定位标签来采集巡检人员活动时头部和胸部的空间位置变化信息,并通过信道传输给数据处理单元;
S3:数据处理单元对采集到的空间位置变化信息数据进行处理,对原始数据进行基于时间轴的数据对齐处理,经过数据时间轴对齐后的原始数据形成一个数据时间对齐的样本序列,且每个采样时间点上都有一个标签;采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,并对分割好的动作数据片段进行去噪;
S4:根据数据处理单元处理后的数据对巡检人员进行实时定位,并由预设的危险区域边界值对巡检人员的实时位置进行预警,若巡检人员落入预设的危险区域边界值,则进行预警;若巡检人员未落入预设的危险区域边界值,则不进行预警。
2.根据权利要求1所述的基于UWB的位置信息采集方法,其特征在于:所述UWB定位标签的原始数据格式为(UWB,ID,TIME,X,Y,Z),ID为UWB定位标签的标号,TIME为定位系统定位数据的时间,X,Y,Z分别为UWB定位标签在定位系统下的空间坐标信息。
3.根据权利要求1所述的基于UWB的位置信息采集方法,其特征在于:步骤S3中对原始数据进行基于时间轴的数据对齐处理,用已知的标签的最后一次定位到的标签位置信息补齐在标签休眠期间造成缺失的数据,具体包括以下步骤:
设定变电站作业现场人员定位系统中传感器定位UWB定位标签的刷新频率为10Hz,首先取得一个在0.1s时间内同时出现2个标签的时间区间作为合法区间,并以其首个标签出现的时间t作为初始时间,记录本次区间的标签数据信息;然后进入下一个采样区间,若标签信息出现缺失,则由上一次的标签信息补齐,依此执行,直至数据采集结束。
4.根据权利要求1所述的基于UWB的位置信息采集方法,其特征在于:步骤S3中采用固定滑动时间窗口将采集到连续的数据流分割成一个个的数据片段,其中,固定滑动时间窗口采用1.3s的滑动时间窗口。
5.根据权利要求1所述的基于UWB的位置信息采集方法,其特征在于:步骤S2中的信道采用2~10GHz的超宽带信道模型,该信道模型通过考虑路径损耗、功率延时和小尺度衰落来综合消除遮挡物对UWB定位标签产生的多路径影响;其中,遮挡物包括实体墙、钢板、玻璃、木板、纸板、电线杆和树木。
6.根据权利要求1所述的基于UWB的位置信息采集方法,其特征在于:步骤S1之前还包括对变电站作业现场人员定位系统进行误差测量,在变电站室内选择了13个测量点进行误差测量,具体包括以下步骤:
S01、使用激光测距仪手动测量选取的测量点的实际坐标信息;
S02、利用UWB定位标签的休眠特性,在一个测量点上采集标签10s时间的系统定位坐标信息;
S03、根据步骤S01、S02,通过比较实际坐标信息与标签10s内坐标信息的均值得到系统的误差,根据系统的误差对系统的定位精度做先前评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832579.0A CN110536237A (zh) | 2019-09-04 | 2019-09-04 | 基于uwb的位置信息采集方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910832579.0A CN110536237A (zh) | 2019-09-04 | 2019-09-04 | 基于uwb的位置信息采集方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110536237A true CN110536237A (zh) | 2019-12-03 |
Family
ID=68666779
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910832579.0A Pending CN110536237A (zh) | 2019-09-04 | 2019-09-04 | 基于uwb的位置信息采集方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110536237A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382789A (zh) * | 2020-03-06 | 2020-07-07 | 云南电网有限责任公司电力科学研究院 | 基于机器学习的电力负荷识别方法及系统 |
CN113219303A (zh) * | 2021-05-12 | 2021-08-06 | 广西大学 | 一种小电流接地系统单相接地故障数据的提取方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646353A (zh) * | 2016-09-08 | 2017-05-10 | 成都希盟泰克科技发展有限公司 | 混合wifi‑uwb定位技术的地下作业人员精确定位系统和工作方法 |
CN106772217A (zh) * | 2016-12-30 | 2017-05-31 | 中原智慧城市设计研究院有限公司 | 一种管网巡查维护管理系统 |
CN108337648A (zh) * | 2018-03-26 | 2018-07-27 | 中铁建设集团有限公司 | 一种基于uwb定位的智慧工地人力资源管理系统 |
CN108391236A (zh) * | 2018-04-04 | 2018-08-10 | 浙江中诚工程管理科技有限公司 | 一种基于uwb的建筑工地施工人员场内定位系统 |
CN108966343A (zh) * | 2018-07-22 | 2018-12-07 | 西南石油大学 | 一种基于超宽带位置未知锚节点的自校准定位方法 |
US20190007912A1 (en) * | 2017-06-28 | 2019-01-03 | Qualcomm Incorporated | Method and system for synchronization of sensing operations performed by a plurality of devices |
CN109147272A (zh) * | 2018-09-03 | 2019-01-04 | 国网天津市电力公司 | 基于超宽带uwb定位的变电站违规越线提示方法 |
CN109840462A (zh) * | 2017-11-29 | 2019-06-04 | 迪尔公司 | 工地监视系统和方法 |
CN110060442A (zh) * | 2019-03-20 | 2019-07-26 | 云南电网有限责任公司文山供电局 | 基于uwb的站内人员防误入区域建模方法 |
-
2019
- 2019-09-04 CN CN201910832579.0A patent/CN110536237A/zh active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106646353A (zh) * | 2016-09-08 | 2017-05-10 | 成都希盟泰克科技发展有限公司 | 混合wifi‑uwb定位技术的地下作业人员精确定位系统和工作方法 |
CN106772217A (zh) * | 2016-12-30 | 2017-05-31 | 中原智慧城市设计研究院有限公司 | 一种管网巡查维护管理系统 |
US20190007912A1 (en) * | 2017-06-28 | 2019-01-03 | Qualcomm Incorporated | Method and system for synchronization of sensing operations performed by a plurality of devices |
CN109840462A (zh) * | 2017-11-29 | 2019-06-04 | 迪尔公司 | 工地监视系统和方法 |
CN108337648A (zh) * | 2018-03-26 | 2018-07-27 | 中铁建设集团有限公司 | 一种基于uwb定位的智慧工地人力资源管理系统 |
CN108391236A (zh) * | 2018-04-04 | 2018-08-10 | 浙江中诚工程管理科技有限公司 | 一种基于uwb的建筑工地施工人员场内定位系统 |
CN108966343A (zh) * | 2018-07-22 | 2018-12-07 | 西南石油大学 | 一种基于超宽带位置未知锚节点的自校准定位方法 |
CN109147272A (zh) * | 2018-09-03 | 2019-01-04 | 国网天津市电力公司 | 基于超宽带uwb定位的变电站违规越线提示方法 |
CN110060442A (zh) * | 2019-03-20 | 2019-07-26 | 云南电网有限责任公司文山供电局 | 基于uwb的站内人员防误入区域建模方法 |
Non-Patent Citations (1)
Title |
---|
武荣凯: ""一个基于CNN的行为识别系统的设计与实现"", 《中国优秀硕士学位论文数据库 信息科技辑》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111382789A (zh) * | 2020-03-06 | 2020-07-07 | 云南电网有限责任公司电力科学研究院 | 基于机器学习的电力负荷识别方法及系统 |
CN111382789B (zh) * | 2020-03-06 | 2023-11-14 | 云南电网有限责任公司电力科学研究院 | 基于机器学习的电力负荷识别方法及系统 |
CN113219303A (zh) * | 2021-05-12 | 2021-08-06 | 广西大学 | 一种小电流接地系统单相接地故障数据的提取方法 |
CN113219303B (zh) * | 2021-05-12 | 2023-06-23 | 广西大学 | 一种小电流接地系统单相接地故障数据的提取方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107272028B (zh) | 基于无人机的导航设备在线监测及飞行校验系统和方法 | |
CN109981192B (zh) | 一种空域反黑飞无人机的频谱监测方法 | |
US20190304313A1 (en) | Estimating aircraft operations at airports using transponder data | |
US5648782A (en) | Microburst detection system | |
CN108871332A (zh) | 一种基于XGBoost的RFID室内定位系统及方法 | |
CN110536237A (zh) | 基于uwb的位置信息采集方法 | |
CN110045341A (zh) | 雷达高度表低截获性能测试方法 | |
CN209942883U (zh) | 一种基于人员定位的矿井下灾害报警系统 | |
CN109523863A (zh) | 一种基于ads-b的雷达训练模拟系统 | |
CN112423225A (zh) | 基于uwb技术的铁路客站内目标对象的定位方法 | |
CN106781836A (zh) | 一种气象雷达模拟训练系统 | |
CN111442763B (zh) | 无人机建筑工程监理方法、系统、智能终端及存储介质 | |
CN111524394A (zh) | 提升机坪综合航迹监视数据精度的方法、装置及系统 | |
Gasch et al. | An LES-based airborne Doppler lidar simulator and its application to wind profiling in inhomogeneous flow conditions | |
CN114093129A (zh) | 基于5g智能通讯的矿山地质环境智能监测与预警方法 | |
Mott et al. | Estimation of aircraft operations at airports using mode-C signal strength information | |
CN110084986A (zh) | 一种周界安防方法及装置 | |
CN111866725B (zh) | 一种基于wifi探针技术的人流检测方法 | |
CN111207738B (zh) | 一种可见光辅助的地磁室内定位方法 | |
JPH0440646B2 (zh) | ||
D'Arco et al. | Enhancing workers safety in worksites through augmented GNSS sensors | |
CN111683345B (zh) | 一种基于csi与rssi的无线传感器网络抗干扰定位方法 | |
CN112261718B (zh) | 一种室内定位方法 | |
CN112890781A (zh) | 城市轨道地下封闭施工现场人员动态定位实时监管系统 | |
CN109407132A (zh) | 一种无人机辐射监测方法及系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191203 |
|
RJ01 | Rejection of invention patent application after publication |