基于改进PDR与RSSI融合的定位算法

在室内定位系统中,基于接收信号强度指示(RSSI)测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化,行人航位推算(PDR)定位系统存在错误地估计传感器的参数及左右脚运动不一致等产生累积误差的问题。针对上述问题,提出一种基于改进PDR与RDDI融合的定位算法,根据PDR定位的递归特性校正估计传感器的参数,同时进行左右脚坐标数据融合。在此基础上将扩展卡尔曼滤波器(EKF)作为RDDI和PDR定位的融合滤波器,以降低PDR累计误差,从而提高定位精度,获得系统的最优定位结果。实验结果表明,该融合定位算法有效地提高了定位精度。     

基于ZigBee的矿井环境监测及人员定位系统设计

针对煤矿井下环境复杂、瓦斯爆炸事故频发、矿难事故搜救难度大等问题,设计一种基于ZigBee的矿井环境监测及人员定位系统。通过传感器采集井下温、湿度和瓦斯浓度等环境参数,采用CC2530构建数据传输及人员定位网络,将RSSI测距定位技术和三边定位算法相结合,实现井下工作人员的实时定位。根据井下环境的特点,采用均值滤波算法对RSSI值进行修正,提高了定位精度。实验结果表明,该系统环境参数监测准确、网络通信通畅可靠、人员定位精度较高,可满足煤矿安全生产管理及矿难事故搜救的需要。     

基于指纹膜与航迹推算的井下人员定位系统

针对RSSI指纹膜定位方法受矿井环境影响较大,而基于航迹推算的定位方法易形成误差累积的问题,设计了基于指纹膜与航迹推算的井下人员定位系统。该系统周期性采集人员的位置信息与运动姿态信息,利用K近邻和峰值检测方法求解指纹定位结果和航迹推算结果,并对定位结果进行加权融合得到目标位置。测试结果表明,该系统明显提高了定位精度和稳定性,对煤矿巷道复杂环境具有较强的适应能力。     

基于LSTM个性化步长估计的井下人员精准定位PDR算法

针对传统的行人航位推算(PDR)算法由于步长和航向累积误差导致定位精度较低,不能满足井下人员精准定位需求的问题,提出了一种基于长短时间记忆网络(LSTM)个性化步长估计的井下人员精准定位PDR算法。首先采集井下人员运动中的加速度、陀螺仪惯性信息,解算每一步运动距离构建步长数据,通过离线训练获得井下人员个性化步长估计LSTM模型;然后在在线预测阶段通过矿用本安智能手机实时采集加速度、陀螺仪、地磁等井下人员运动数据,分别采用步伐检测算法、个性化步长估计模型获得井下人员运动步伐及每一步的步长,利用卡尔曼滤波融合航向估计算法获得航向角;最后根据步长估计和航向角预测井下人员当前位置。在内蒙古鄂尔多斯市高头窑煤矿采集井下人员运动数据进行试验,结果表明:基于LSTM个性化步长估计的井下人员精准定位PDR算法对井下人员运动中的步伐检测精度为96.5%,步长预测精度为90%;在井下真实环境中的相对定位误差为2.33%,提高了煤矿井下人员定位的精度。     

基于MEMS传感器的煤矿井下人员定位系统设计

针对现有井下人员定位系统存在定位精度低及成本高等问题,设计了基于MEMS传感器的煤矿井下人员定位系统。该系统采用MPU9150惯性传感器获取测量数据,以CC2530为主控芯片实现数据的采集、处理;通过井下已有的WiFi基站,并结合行人航迹推算算法实现井下人员的精确定位:利用融合了行走频率和加速度方差的表达式来确定步长,采用四元数法估计行人方向角,并根据扩展卡尔曼滤波对方向角的原始数据进行修正,从而获得井下人员的具体位置。实验结果表明,在100m距离内,该系统的定位误差小于2.2m,能够实现煤矿井下人员的高精度定位。     

融合RSSI测距定位的室内PDR算法

在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位的室内行人航迹推算算法,以扩展卡尔曼滤波器实现两者定位信息的融合,获得系统的最优定位结果。仿真结果表明,该融合定位算法的平均定位误差约为0.83205 m,范围维持在0.51948 m～1.13529 m内,并在定位稳定性方面表现出良好的性能,验证了该方法的合理性和有效性。     

基于RSSI方法的井下人员定位系统原理与设计

提出了一种基于RSSI方法的井下人员定位系统的设计方案,阐述了井下巷道数学建模方法和人员定位基本原理,重点介绍了该井下人员定位系统的硬件和软件实现方案。该系统通过在井下关键点布置无线传感器测点获取井下工作人员的RSSI信息,实现了实时追踪定位功能。     

基于RSSI与惯性测量的室内定位系统

介绍融合接收信号强度指示（RSSI）和惯性测量技术的无线传感器室内定位系统,该系统通过可穿戴式无线传感器节点和环境辅助传感器节点,采集步行者的位置信息。可穿戴式节点采用DeadReckoning惯性测量方法,存在累积误差,可通过在室内环境中布置RSSI节点矫正步行者的位置信息。采用扩展性的卡尔曼滤波算法将惯性测量与RSSI测量数据相结合,实现自适应的步长算法,较大程度改进步长不正确读取带来的误差。实验结果表明,与纯粹的惯性测量系统相比,该系统能提高66．3％的精确度。     

基于BFGS算法的井下人员三维定位方法的研究

为提高井下人员定位的准确性,提出基于BFGS(Broyden-Fletcher-Goldfarb-Shanno)算法的三维空间定位的计算方法。由矩阵论的相关理论,解决三维空间中参与定位参考节点的个数及位置的设置问题,提出参与定位计算的参考节点的选择算法。为了减少基于信号强度RSSI(Received Signal Strength Indicator)测距的误差对定位计算的影响,使用BFGS算法优化其结果。BFGS算法简单,可应用于无线传感器网络定位系统中。实验证明:基于BFGS算法的无线传感器网络定位的误差均小于其他算法,在传感器网络定位系统中具有有效性。     

混沌粒子群优化神经网络的井下人员无线定位方法研究

针对井下人员定位系统定位精度较低,不能满足智慧煤矿的需求,提出一种基于混沌粒子群算法优化Elman神经网络的井下人员无线定位方法。该定位方法首先在井下巷道无线网络环境中,利用无线终端采集一定数量的样本点指纹数据库。其次初始化Elman神经网络,利用混沌粒子群优化算法对神经网络权值和自连接反馈增益因子寻优。再次用指纹数据库对优化过的Elman神经网络进行训练和测试,建立神经网络定位算法模型。最后通过无线终端采集定位点的指纹数据,由神经网络定位算法模型进行实时定位。经试验表明,该井下人员无线定位方法平均定位误差为1.35 m;而混沌粒子群算法优化Elman神经网络定位算法,其算法全局搜索能力更强,更适合井下时变环境中应用。