馮 丁，李燈熬，趙菊敏

(太原理工大學(xué)信息工程學(xué)院，山西太原030024)

目前很多礦井下都已裝備人員定位系統(tǒng)，但其精度較差且定位范圍小，無法實時了解井下全面信息，在井下建立物聯(lián)網(wǎng)系統(tǒng)，實現(xiàn)實時感知人員、感知設(shè)備、感知災(zāi)害有重大意義［1－2］，同時能夠提高人員定位的實時性與可靠性。煤礦井下物聯(lián)網(wǎng)設(shè)備分成已知節(jié)點和未知節(jié)點兩類，實現(xiàn)物聯(lián)網(wǎng)網(wǎng)絡(luò)和“感知”，重點就是將未知節(jié)點接入已知節(jié)點，并組成一個邏輯結(jié)構(gòu)復(fù)雜、龐大的網(wǎng)絡(luò)［3］。本文首先在井下采用我國自主知識產(chǎn)權(quán)的TD－SCDMA技術(shù)鋪設(shè)TD基站，組建井下無線專網(wǎng)，為實現(xiàn)井下人員定位提供可靠網(wǎng)絡(luò)。此外，針對井下傳統(tǒng)定位算法中存在的不足，對其進行改進。首先用Kalman濾波器對基站獲得的TOA值進行濾波，減小NLOS產(chǎn)生的誤差，利用TD－SCDMA的先天優(yōu)勢，采用TDOA和AOA混合Chan算法和Taylor算法進行定位估計，然后對得到的位置估計值先后進行兩次數(shù)據(jù)融合。經(jīng)過仿真分析，該算法在一定程度上克服了煤礦井下惡劣環(huán)境的影響，大大提高了定位精度。

1 井下物聯(lián)網(wǎng)通信鏈路的組建

本文充分分析井下復(fù)雜的實際環(huán)境和系統(tǒng)需求，在井下原有工業(yè)以太網(wǎng)的基礎(chǔ)上建立井下有線傳輸網(wǎng)絡(luò)［1］，在井下適當鋪設(shè)帶有以太網(wǎng)接口的TD基站，將部分基站作為無線網(wǎng)絡(luò)接入點(無線AP)接入井下有線傳輸網(wǎng)絡(luò)，把這些基站作為根AP，普通AP通過無線連接在根AP上，實現(xiàn)井上井下網(wǎng)絡(luò)連接，根AP和普通AP之間采用WiFi－Mesh協(xié)議。由于井下多為狹長巷道，所以普通AP之間采用線型結(jié)構(gòu)進行無線連接，此網(wǎng)絡(luò)結(jié)構(gòu)方便級聯(lián)，進而實現(xiàn)井下網(wǎng)絡(luò)的無縫覆蓋［4－5］。煤礦井下物聯(lián)網(wǎng)的通信系統(tǒng)如圖1所示。

2 基于物聯(lián)網(wǎng)的混合數(shù)據(jù)融合定位算法

2.1 利用改進的Kalman濾波算法對TOA進行濾波

礦井下環(huán)境復(fù)雜、巷道狹窄且存在大量障礙物，因此井下通信必然存在NLOS傳播，它的存在對TOA、TDOA和AOA等的測量帶來了很大誤差，從而嚴重影響定位精度。為了提高井下人員NLOS環(huán)境下的定位精度，本文首先采用卡爾曼濾波器對TOA估計值進行濾波處理，減輕NLOS誤差的影響，然后根據(jù)優(yōu)化后的TOA值求差得到TDOA值進行定位。

圖1 煤礦井下物聯(lián)網(wǎng)系統(tǒng)

若rm(ti)表示在ti時刻從移動臺MS到基站BSm的距離測量值(由TOA測量值乘以電波傳播速度獲得)，則rm(ti)等于真實距離dm(ti)、系統(tǒng)測量誤差nm(ti)和NLOS誤差NLOS(ti)之和。其中nm(ti)為均值為0的高斯噪聲，NLOS(ti)一般認為是符合基于均方根時延擴展τrms的服從指數(shù)、均勻或Delta分布的正隨機變量。

卡爾曼濾波器通過狀態(tài)轉(zhuǎn)移方程和系統(tǒng)測量方程把某一時刻的狀態(tài)值與當前以及以前時刻的測量值聯(lián)系起來，從而得到當前時刻的最優(yōu)值。假設(shè)每隔周期T獲取一次TOA數(shù)據(jù)，則Kalman濾波的狀態(tài)方程為

觀測方程為

式中:H是測量矩陣，H=［1 0］;測量噪聲V(k)主要包括標準測量誤差nm(ti)和NLOS誤差NLOS(ti)。測量噪聲V(k)的協(xié)方差矩陣為R。

卡爾曼濾波遞推運算過程如下:

1)狀態(tài)預(yù)測方程為

2)預(yù)測誤差協(xié)方差為

3)計算Kalman濾波增益為

4)計算最優(yōu)濾波值為

5)計算濾波誤差協(xié)方差為

6)返回式(3)，開始下一次濾波。

Kalman濾波需要給定初始條件，由于NLOS產(chǎn)生一個正值誤差，所以這里取前5次獲得的信號到達時間的平均值對應(yīng)的TOA值為初始值。

如果測量噪聲V(k)受到NLOS的影響，則濾波估計值(k|k)也會受到影響而高于正常值。由于卡爾曼濾波器具有記憶性，這種影響會一直持續(xù)下去。為減小NLOS誤差對TOA估計值的影響，以下對其進行改進。

在迭代過程中，首先設(shè)定一個門限值，然后將測量值與該門限值進行比較。如果大于門限值，則通過將卡爾曼增益置零來舍去該值，并用上一時刻的狀態(tài)估計值來代替該時刻的狀態(tài)估計值。反之，則通過保持卡爾曼增益來保留該值。重復(fù)迭代，可以有效地克服NLOS影響［6－7］。

改進前后的Kalman濾波效果對比如圖2所示。仿真過程中服務(wù)基站與移動臺的真實距離為1 000 m，系統(tǒng)噪聲服從均值為0、標準差為100 m的高斯分布，NLOS噪聲服從指數(shù)分布，步長為200。

圖2 改進前和改進后的Kalman濾波結(jié)果

從仿真結(jié)果可以看出，改進后的Kalman濾波算法的濾波效果更加平滑，更加接近真實值，從而有效減小NLOS誤差。

2.2 Kalman濾波后的TDOA/AOA混合Taylor算法

TD－SCDMA采用的智能天線技術(shù)可以精確測量電波的到達角度，因此本文采用MUSIC算法測量移動臺到達服務(wù)基站的角度AOA，利用濾波后的TOA值求差得到TDOA值，然后采用TDOA/AOA混合Chan算法求得移動臺的估計位置，并用求得的估計值作為Taylor算法的初始值，進一步求得移動臺的位置，這樣不但提高了定位精度，還克服了Taylor算法可能不收斂的問題［8－9］。圖3分別對加入角度信息的定位算法、經(jīng)過濾波處理的定位算法和傳統(tǒng)的定位算法進行了比較，仿真結(jié)果表明，TDOA/AOA混合定位算法的定位精度高于單一的TDOA定位算法，而經(jīng)過Kalman濾波的定位算法的性能又明顯優(yōu)于TDOA/AOA混合定位算法。所以采用Kalman濾波處理可以有效地減小NLOS誤差對定位精度的影響。

圖3 改進算法與傳統(tǒng)算法的比較

2.3 混合數(shù)據(jù)融合定位算法

數(shù)據(jù)融合的基本目標是通過數(shù)據(jù)優(yōu)化組合導(dǎo)出更多有效信息。本算法在傳統(tǒng)定位算法上進行改進，首先采用兩種方法(Kalman濾波后的混合Chan算法和混合Taylor算法)得到移動臺的聯(lián)合位置估計值，然后對其進行兩次數(shù)據(jù)融合:首先對位置估計值進行殘差加權(quán)，然后根據(jù)貝葉斯推理對第1次數(shù)據(jù)融合后的定位估計值和Taylor定位估計值進行第2次融合，以減小誤差。具體流程如圖4所示。

2.3.1 Chan算法和Taylor算法的殘差加權(quán)

為了計算加權(quán)系數(shù)，首先定義定位結(jié)果與測量值之間的殘差Res為

圖4 數(shù)據(jù)融合定位算法流程圖

2.3.2 貝葉斯數(shù)據(jù)融合

設(shè)方差為σ的向量X的加權(quán)向量為? =(ω1，…，ωN)，則殘差加權(quán)后的結(jié)果為

2.4 仿真結(jié)果及分析

煤礦井下條件復(fù)雜，信號衰減較大，每個基站的覆蓋范圍比地面上要小很多。經(jīng)過綜合分析，在本算法的仿真過程中，每個基站的覆蓋范圍定為1 000 m，沿巷道成帶狀分布，NLOS噪聲符合指數(shù)分布。圖5和圖6分別為未經(jīng)Kalman濾波處理和經(jīng)過Kalman濾波處理的數(shù)據(jù)融合算法的定位誤差。

圖5 未經(jīng)Kalman濾波的數(shù)據(jù)融合算法

圖6 Kalman濾波后的數(shù)據(jù)融合算法

由圖5分析，經(jīng)過貝葉斯數(shù)據(jù)融合后的定位精度明顯高于Chan算法和Taylor算法的定位精度，而且相對平緩穩(wěn)定。圖6為經(jīng)過Kalman濾波處理后的數(shù)據(jù)融合定位算法(即本文提出的算法)，經(jīng)過對比可以發(fā)現(xiàn)，本文提出的算法在很大程度上提高了系統(tǒng)的定位精度，且該算法在很大程度上克服了Chan算和Taylor算法自身缺陷帶來的誤差和井下惡劣環(huán)境帶來的誤差，提高了定位精度，而且具有較強的魯棒性。

3 結(jié)論

針對傳統(tǒng)的井下無線通信網(wǎng)絡(luò)的弊端，本文將物聯(lián)網(wǎng)技術(shù)應(yīng)用于井下環(huán)境，組建井下無線通信專網(wǎng)，井下人員手持終端通過無線技術(shù)接入井下專網(wǎng)，為井下人員定位提供保證。同時，充分利用物聯(lián)網(wǎng)技術(shù)和TD－SCDMA技術(shù)的優(yōu)勢，將傳統(tǒng)算法與Kalman算法和數(shù)據(jù)融合算法相結(jié)合，提出了一種混合數(shù)據(jù)融合定位算法。經(jīng)過仿真分析，本文提出的基于物聯(lián)網(wǎng)的定位算法與傳統(tǒng)網(wǎng)絡(luò)下的定位算法相比，在定位精度和可靠性上得到了很大的提高。

［1］孔曉波.物聯(lián)網(wǎng)概念和演進路徑［J］.電信工程技術(shù)與標準化，2009(12):12－14.

［2］ 楊震.物聯(lián)網(wǎng)發(fā)展研究［J］.南京郵電大學(xué)學(xué)報，2010(6):1－10.

［3］劉洋.基于物聯(lián)網(wǎng)的煤礦井下環(huán)境監(jiān)測及人員定位系統(tǒng)的設(shè)計與實現(xiàn)［D］.北京:北京交通大學(xué)，2011:2－4.

［4］葛磊.無線Mesh應(yīng)急通信網(wǎng)的網(wǎng)絡(luò)技術(shù)研究［D］.南京:東南大學(xué)，2010:5－11.

［5］ AKYILDIZ I，WANGXD，WANGW L.Wirelessmesh networks:a survey［J］.Computer Networks，2005，47(4):445－487.

［6］邱鳳云.Kalman濾波理論及其在通信與信號處理中的應(yīng)用［D］.濟南:山東大學(xué)，2008:6－8.

［7］ WELCH G，BISHOPG.An introduction to the Kalman filter［R］.［S.l.］:University of North Carolina at Chapel Hill，2001.

［8］宋悅銘.移動通信網(wǎng)中移動終端TDOA/AOA混合定位算法研究［D］.長春:吉林大學(xué)，2007:20－25.

［9］劉琚，李靜.一種在非視距環(huán)境中的TDO/AOA混合定位方法［J］.通信學(xué)報，2006(26):5－10.

［10］鄧平.蜂窩網(wǎng)絡(luò)移動臺定位技術(shù)研究［D］.成都:西南交通大學(xué)，2002:5.

［11］劉林，鄧平，范平志.基于Chan氏算法和Taylor級數(shù)展開法的協(xié)同定位方法［J］.電子與信息學(xué)報，2004(1):41－46.

［12］周俊奇，孟慶民.基于貝葉斯推理的TDOA/AOA定位算法［J］.計算機應(yīng)用與軟件，2012(6):234－235.

［13］毛永毅，李明遠，張寶軍.一種減小NLOS影響的TDOA/AOA數(shù)據(jù)融合定位算法［J］.西安電子科技大學(xué)學(xué)報，2008(5):942－945.