基于RSSI算法的井下定位方法的改进

在介绍了几种常用无线通讯技术的基础上,提出了一种基于RSSI算法的煤矿井下无线定位方法。针对煤矿井下巷道的实际情况,指出现有算法在对于井下巷道倾斜情况下的严重误差,并提出通过对巷道中的参考节点设置参数θ来表示井下巷道的实际倾斜程度,从而实现RSSI算法斜坡测距定位。通过实验证明,该方法比常规测距定位方法更加准确,能提高井下人员及车辆的定位精度,对煤矿井下生产调度及安全生产具有重要意义。     

基于无线传感网络的井下区域定位算法

煤矿坑道工作环境恶劣,安全隐患众多。事故发生时,为及时确定工作人员的位置信息,保证人员的生命财产安全,采用无线传感网络技术,分析比较现有成熟的定位方法,针对坑道复杂的环境,以RSSI测距的多元回归模型为基础,利用信标节点的距离差分信息,对信标节点确定的目标节点距离信息修正,并结合三边定位算法,提出一种煤矿区域差分定位算法。实验证明该算法无需较多的信标节点就能保证很高的定位精度,以该算法为核心的定位系统能够适用于坑道环境。     

煤矿井下线型无线传感器网络节点定位算法

针对煤矿井下线型无线传感器网络节点定位精度较低的问题,提出了基于RSSI(接收信号强度指示)的对角差分修正定位算法。该算法在对线型无线传感器网络节点定位的横向和纵向误差进行分析的基础上,首先利用差分原理对测量距离进行修正,并使用极大似然估计法进行初步定位;然后应用信标节点构建煤矿井下巷道模型,在该模型下对移动节点进行横向修正。仿真结果表明,该算法较传统的极大似然估计算法具有较高的定位精度和稳定性,适用于煤矿井下线型无线传感器网络节点定位。     

矿井工作面无线传感器网络人员定位技术研究

针对矿井环境下的矿井巷道和井下环境,采用拓展完善后的NS2仿真平台进行建模仿真。通过距离估算误差、信标节点密度两方面对定位精度和定位覆盖率的影响来衡量DV-Hop、Amorphous、APIT和质心定位算法的定位性能,得出实验数据进行分析对比。仿真结果表明:质心定位算法最适合应用于狭长的通道仿真环境,而DV-Hop最适于未知节点密度高、信标节点少的井下密集型环境。     

基于RSSI测距的煤矿井下定位研究

针对复杂的煤矿井下环境,无线信号强度传播模型定位精度较低的问题,为了获取精确的RSSI值和未知节点的位置,提出了对RSSI值进行高斯滤波和定量统计加权处理,将处理后的数据使用最小二乘法曲线拟合,得到环境参数的估计值和损耗模型,利用该模型计算未知节点到信标节点的距离,确定节点的位置。井下巷道仿真实验表明,文章提出的方法平均定位误差为1.71m,比未加权的平均误差要小1.18m,有效降低了RSSI不稳定性对定位精度的影响,适用于煤矿井下精确定位。     

一种无线传感器网络节点自身定位算法

提出了一种廉价实用的自身定位算法,该方法通过校正RSSI测距技术测量的节点间点到点的距离,并优选信标节点,最后用加权质心方法进行定位。仿真结果表明:该算法比传统的RSSI定位算法拥有更好的定位性能。     

煤矿井下基于RSSI的多维标度定位算法

针对煤矿井下环境复杂多变,受限无线信道容易受到非视距、多径衰落及人为因素的影响,导致指纹匹配技术定位算法误差较大,提出了一种基于RSSI的多维标度定位算法。该算法根据井下巷道信号传播模型测距构建相异性矩阵,利用多维标度法计算节点相对坐标,通过平面四参数模型转换为移动节点的绝对坐标,引入粒子群算法优化节点位置坐标,实现对井下移动目标的实时定位。对比试验表明,优化后的节点定位精度有了明显的提高,满足低成本定位系统的需求。     

基于滤波算法的煤矿井下定位技术研究

煤矿井下无线信道容易受到非视距和多径衰落影响,基于RSSI的定位系统误差较大,研究了一种新的井下定位算法。对卡尔曼滤波算法进行研究,抑制测距误差,建立井下信道模型;提出一种协调器节点选取最优参考节点组的方法,利用信道模型和加权最小二乘法确定移动未知节点位置信息;进一步通过扩展卡尔曼滤波算法求精数据,实现煤矿井下矿工及设备的实时定位。井下巷道实验表明,该算法误差控制在3 m以内,提高了定位精度,增强了定位系统的可靠性,可用于煤矿井下定位。     

煤矿井下基于RSSI的加权质心定位算法

针对基于无线传感器网络的矿井灾害无线监测信息系统,提出了一种基于接收信号强度（RSSI）的加权质心定位算法。算法首先动态获取路径衰落指数,然后通过加权质心算法计算出自身位置。动态获取路径衰落指数实时计算了定位区域下的路径损耗指数,能够准确反映巷道不同区域对信号衰落的影响,增强了测距算法对环境的适应能力。加权质心算法通过加权系数体现各参考节点对质心坐标决定权的大小,提高了定位精度。实验测试表明,算法提高了定位精度,计算量小,定位流程简单,适合用于煤矿井下环境。     

煤矿井下人员定位系统的研究与实现

针对现有煤矿井下定位系统在井下采取单一的定位方法,进而导致定位成本高、精度过低或过高的问题,提出一种新型的煤矿井下定位系统。将定位环境分为巷道、采空区和硐室3种类型。根据3种定位场合的特点,研究了信标节点的布置方案,并且根据定位要求,在采空区采取RSSI定位中的三边定位算法,在硐室和巷道中采取了RSSI的修正方法,在三边定位算法中加入了质心定位算法,测试数据表明,可以满足定具体环境的定位要求。     

改进RSSI加权质心算法在井下人员定位中的应用研究

为提高煤矿井下人员定位的精确性,确保井下人员的快速定位,以实现井下快速救援和日常监督,本文根据无线接入点的关联性,通过接收信号强度值(RSSI)计算参考节点和定位节点的距离,提出基于改进RSSI加权质心算法的井下人员定位技术,消除了传统改进RSSI定位算法中人为因素对路径损耗确定的干扰。根据实际巷道环境进行了基于RSSI加权质心算法和改进RSSI加权质心算法的人员信息定位技术的模拟仿真,结果证明了改进RSSI加权质心算法能够增加井下人员定位的精准可靠性,更加适用于井下定位系统。     

基于虚节点校正的井下无线传感器网络定位算法

 针对在煤矿等复杂环境下应用修正加权质心定位算法时存在定位误差较大的问题,提出一种基于虚节点校正的改进加权质心定位算法。该算法是在修正加权质心定位算法的基础上,结合未知节点接收到的锚节点的接收信号强度指示(RSSI)信息对未知节点的估计范围进行校正,并利用虚节点进行修正加权质心定位计算。仿真结果表明,在相同实验条件下改进后的定位算法定位效果优于修正加权质心定位算法。     

地下铲运机信标识别辅助定位算法

针对地下铲运机无人驾驶,提出一种利用激光扫描器识别信标的辅助定位算法,在模拟巷道中进行测试。根据信标特征设计出利用激光扫描传感器进行数据采集的信标,并设计出相应的辅助定位算法。在铲运机行驶过程中,利用信标识别辅助定位,实现铲运机的无人驾驶控制的调整,主要是识别巷道中的岔路口、转弯转角等特殊路段。实践证明本方法为地下铲运机的无人驾驶提供了一种简单易行的辅助定位方法。     

用于矿山等极端环境中的高精度定位算法

高精度室内定位技术在矿山、建筑、施工等多种极端环境下都有需求。基于超宽带通信(Ultra Wideband,UWB)的室内定位技术能够提供较高的定位精度,但超宽带信号易受到障碍物的干扰,并且在类似矿山等极端环境中,障碍物不可避免。因此,超宽带非视线传输(Non-Line-of-Sight,NLoS)测距成为当前的一个研究热点。当前研究大多集中在识别和消除非视线传输对超宽带测距的影响上,实际应用中,大多数情形下超宽带信号根本无法穿透障碍物,会导致定位标签只能够与2个或1个信标节点通信,但完成三边定位至少需要3个信标节点。为此,提出了一种基于目标行为分析的定位算法,该算法能够在短时间内仅剩余一个信标节点与标签通信时,也可实现高精度定位。该算法以超宽带通信为基础,使用信号飞行时间(Time of Flight,TOF)算法测距并定位。通过分析信号正常时的目标运动轨迹来判断其速度和方向,当信号不正常时(可通信的信标节点减少),可利用预测的速度和方向参数来实现辅助定位。将该算法部署在一个基于超宽带定位的系统中进行了测试,结果表明:当能够与标签通信并完成TOF算法的信标节点数量少于3个时,基于NLoS传输识别和消除的算法无法完成定位,而基于目标行为分析的定位算法依然能够实现定位,在单信标节点区域的平均定位误差为0.93 m,最大误差为1.41 m,在2个信标节点测距的区域,平均定位误差为0.64 m,最大误差为1.2 m。     

基于LQI滤波与联合参数估计的井下人员定位算法

现有的基于RFID技术的井下人员定位系统存在定位准确度低、抗干扰性差等问题。为提高井下人员定位算法的准确性和环境适应性,提出了一种在ZigBee通信协议框架下,基于LQI滤波与RSSI联合参数估计的定位算法。首先使用LQI指标对通过ZigBee芯片读取的原始RSSI数据进行滤波,其次对RSSI的信道参数和环境噪声参数进行联合估计,并依据环境噪声参数对距离估计进行补偿,最后利用最小二乘法完成定位计算。算法挖掘了现有硬件设备的潜力,更多考虑了环境对定位的影响,有效的提高了定位的准确度。最后通过ZigBee硬件平台验证了算法的有效性,与原有RSSI定位算法相比,改进算法将定位均方误差降低了约10%。     

基于无线传感器网络的矿井火灾源监测系统设计

 针对矿井火灾源监测定位的难题,提出一种基于WSN进行矿井火灾源监测方案。网络呈网状拓扑结构,以竞争学习方式选取簇头,利用覆盖配置协议控制节点状态,以降低节点能耗、减少信息冗余。节点定位采用RSSI方法测节点间距离,极大似然估计法计算节点位置的机制,并针对矿井实际情况提出利用最小二乘法进行数据拟合建立RSSI模型。     

基于ORB特征的矿井移动目标双目视觉跟踪与定位

针对井下NLOS环境信号接收强度(RSSI)和飞行时间(ToF)定位方法存在多径干扰和定位时延,导致定位误差较大问题,提出了基于ORB特征的矿井移动目标双目视觉跟踪与定位方法。首先根据矿井移动目标双目视觉跟踪与定位原理,利用RSSI阈值监测井下移动目标的位置范围,据此触发双目视觉传感器对移动目标图像信息采样和特征提取;然后对采集的目标图像与训练图像进行ORB算法特征匹配;最后根据双目视觉传感器的视差均值和图像像素坐标公式,求解相机内外参矩阵和标定移动目标的世界坐标,从而获取井下移动目标的准确位置信息,实现实时跟踪与精确定位。结果表明,与其他算法相比,本文方法能够有效提高定位精度和实时性,对井下目标遮挡、低照度和噪声环境具有较强的鲁棒性。