馬京，　胡青松，　宋泊明，　張申

(1.中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院， 江蘇 徐州　221008；2.中國(guó)礦業(yè)大學(xué) 物聯(lián)網(wǎng)(感知礦山)研究中心， 江蘇 徐州　221008；3.礦山互聯(lián)網(wǎng)應(yīng)用技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室， 江蘇 徐州　221008)

?

基于指紋膜與航跡推算的井下人員定位系統(tǒng)

馬京1,2，胡青松2,3，宋泊明1,2，張申2,3

(1.中國(guó)礦業(yè)大學(xué) 信息與電氣工程學(xué)院， 江蘇 徐州221008；2.中國(guó)礦業(yè)大學(xué) 物聯(lián)網(wǎng)(感知礦山)研究中心， 江蘇 徐州221008；3.礦山互聯(lián)網(wǎng)應(yīng)用技術(shù)國(guó)家地方聯(lián)合工程實(shí)驗(yàn)室， 江蘇 徐州221008)

針對(duì)RSSI指紋膜定位方法受礦井環(huán)境影響較大，而基于航跡推算的定位方法易形成誤差累積的問(wèn)題，設(shè)計(jì)了基于指紋膜與航跡推算的井下人員定位系統(tǒng)。該系統(tǒng)周期性采集人員的位置信息與運(yùn)動(dòng)姿態(tài)信息，利用K近鄰和峰值檢測(cè)方法求解指紋定位結(jié)果和航跡推算結(jié)果，并對(duì)定位結(jié)果進(jìn)行加權(quán)融合得到目標(biāo)位置。測(cè)試結(jié)果表明，該系統(tǒng)明顯提高了定位精度和穩(wěn)定性，對(duì)煤礦巷道復(fù)雜環(huán)境具有較強(qiáng)的適應(yīng)能力。

井下人員定位； 指紋膜； 航跡推算； 融合算法

網(wǎng)絡(luò)出版地址：http://www.cnki.net/kcms/detail/32.1627.TP.20160429.1117.005.html

0　引言

當(dāng)前煤礦井下人員定位系統(tǒng)大多采用基于測(cè)距的定位方法[1]，其核心是采用AOA(Angle of Arrival)，TOA(Time of Arrival)，TDOA(Time Difference of Arrival)，RSSI(Received Signal Strength Indicator)等方法測(cè)定目標(biāo)節(jié)點(diǎn)與定位錨節(jié)點(diǎn)之間的距離[2-5]。在這些測(cè)距方法中，基于TOA和TDOA的定位方法簡(jiǎn)單、易于實(shí)現(xiàn)且精度較高。但是，由于定位對(duì)收發(fā)節(jié)點(diǎn)之間的時(shí)間準(zhǔn)確性有嚴(yán)格要求，所以，該方法對(duì)硬件要求較高?；赗SSI的定位方法無(wú)需額外的傳感器設(shè)備，成本較低，在礦井中得到了廣泛應(yīng)用。但是，RSSI受環(huán)境影響較大，定位精度相對(duì)較低?；贏OA的定位方法要求節(jié)點(diǎn)配備天線(xiàn)陣列或智能天線(xiàn)[3]，成本較高，在礦井中尚未得到較多應(yīng)用。

由于加速度計(jì)、磁力計(jì)、陀螺儀等運(yùn)動(dòng)傳感器能夠捕捉運(yùn)動(dòng)者運(yùn)動(dòng)姿態(tài)信息，輔以恰當(dāng)?shù)慕馑惴椒?，有望?shí)現(xiàn)較為準(zhǔn)確的礦井目標(biāo)定位[4-5]。航跡推算定位不依賴(lài)外部其他設(shè)備，受環(huán)境因素影響小，但是定位誤差會(huì)隨時(shí)間累積，且需要提供定位初始位置，不適于長(zhǎng)期單獨(dú)工作。為此，本文綜合基于RSSI的指紋定位方法和航跡推算定位方法的優(yōu)勢(shì)，設(shè)計(jì)了煤礦井下人員定位系統(tǒng)，較好地兼顧了定位精度與系統(tǒng)成本等因素的平衡。實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)有效提高了人員定位精度，具有較強(qiáng)的煤礦巷道環(huán)境適應(yīng)能力。

1　系統(tǒng)結(jié)構(gòu)

基于指紋膜與航跡推算的井下人員定位系統(tǒng)由定位人員隨身攜帶的標(biāo)簽、錨節(jié)點(diǎn)(也稱(chēng)定位基站或基站)、以太網(wǎng)有線(xiàn)傳輸網(wǎng)絡(luò)以及上位機(jī)解算軟件構(gòu)成，如圖1所示。

圖1　井下人員定位系統(tǒng)結(jié)構(gòu)

系統(tǒng)定位過(guò)程：井下人員攜帶標(biāo)簽在煤礦巷道移動(dòng)的時(shí)候，標(biāo)簽中的傳感器周期性采集人體運(yùn)動(dòng)信息并傳輸給錨節(jié)點(diǎn)；錨節(jié)點(diǎn)接收到信號(hào)后，根據(jù)數(shù)據(jù)距離模型計(jì)算出該信號(hào)的RSSI值，隨后將RSSI值與人員運(yùn)動(dòng)信息重新整合成一個(gè)新的數(shù)據(jù)包，通過(guò)以太網(wǎng)傳輸至位于地面的上位機(jī)解算軟件進(jìn)行定位信息解算，得到人員的空間位置。

定位標(biāo)簽以CC2530作為主控制芯片，輔以加速度計(jì)、磁力計(jì)和電源等模塊，其結(jié)構(gòu)如圖2所示。其中，加速度計(jì)ADXL345的量程為±16 g，磁力計(jì)HMC5883的量程為±8 Ga。由于錨節(jié)點(diǎn)不需要進(jìn)行數(shù)據(jù)采集工作，所以，無(wú)需包含加速度計(jì)和磁力計(jì)。

圖2　定位標(biāo)簽結(jié)構(gòu)

2　RSSI指紋膜定位與航跡推算

2.1RSSI指紋膜定位

RSSI指紋膜定位過(guò)程主要分為離線(xiàn)數(shù)據(jù)采集階段和在線(xiàn)實(shí)時(shí)定位階段[6]，如圖3所示。

圖3　指紋膜定位過(guò)程

離線(xiàn)數(shù)據(jù)采集階段的主要目標(biāo)是構(gòu)建指紋數(shù)據(jù)庫(kù)。需將待定位區(qū)域按照一定規(guī)則劃分為若干子區(qū)域，在每個(gè)子區(qū)域內(nèi)選取一個(gè)參考位置，測(cè)量該位置處的標(biāo)簽節(jié)點(diǎn)所發(fā)送的信號(hào)到達(dá)各個(gè)錨節(jié)點(diǎn)的RSSI值，所有子區(qū)域的信號(hào)強(qiáng)度值與其對(duì)應(yīng)的參考點(diǎn)位置構(gòu)成離線(xiàn)指紋數(shù)據(jù)庫(kù)。

在線(xiàn)實(shí)時(shí)定位階段將實(shí)測(cè)RSSI值與指紋數(shù)據(jù)庫(kù)中的RSSI值進(jìn)行匹配，并將指紋數(shù)據(jù)庫(kù)中匹配項(xiàng)所對(duì)應(yīng)的位置作為目標(biāo)節(jié)點(diǎn)的估計(jì)位置。指紋數(shù)據(jù)庫(kù)匹配算法包括確定性算法、神經(jīng)網(wǎng)絡(luò)算法等[7-8]，其中，最為典型的是確定性方法中的K近鄰算法[7]。在該方法中，匹配標(biāo)準(zhǔn)為

(1)

在所有的歐氏距離計(jì)算完成后，選取其中K個(gè)最小的歐氏距離，其對(duì)應(yīng)的參考點(diǎn)即為目標(biāo)節(jié)點(diǎn)的K個(gè)相距最近的參考節(jié)點(diǎn)，它們的質(zhì)心即為目標(biāo)節(jié)點(diǎn)的估計(jì)位置。為了進(jìn)一步提高定位精度，使用基于歐氏距離的加權(quán)質(zhì)心算法計(jì)算質(zhì)心位置(x,y)：

(2)

2.2航跡推算

航跡推算是利用已知的初始位置信息，根據(jù)運(yùn)動(dòng)傳感器提供的航向角和加速度變化信息，推算運(yùn)動(dòng)節(jié)點(diǎn)下一時(shí)刻位置的一種慣性導(dǎo)航定位方法[9]，其定位原理如圖4所示。

圖4　航跡推算原理

(3)

(4)

繼續(xù)按照節(jié)點(diǎn)的航跡進(jìn)行推算，可得到點(diǎn)Pk的坐標(biāo)為

(5)

從航跡推算過(guò)程可以看出，航跡推算定位模型的關(guān)鍵是準(zhǔn)確獲取移動(dòng)目標(biāo)的移動(dòng)距離和航向角。由于普通加速計(jì)的精度較低，不能根據(jù)傳統(tǒng)慣性導(dǎo)航算法通過(guò)加速度積分求運(yùn)動(dòng)距離[10]，所以，行走距離l無(wú)法直接測(cè)得。為此，本文根據(jù)被測(cè)人員的行走特征，使用峰值檢測(cè)法[11]檢測(cè)行走的步頻，再通過(guò)估算目標(biāo)運(yùn)動(dòng)中每一步的步幅來(lái)計(jì)算運(yùn)動(dòng)距離。

3　聯(lián)合指紋膜和航跡推算的目標(biāo)位置解算

本節(jié)將指紋定位算法和航跡推算技術(shù)進(jìn)行融合，解決初始位置獲取困難和航跡推算誤差累積的問(wèn)題，以獲得更好的定位效果。

3.1目標(biāo)位置解算

混合定位算法流程如圖5所示。在定位起始階段，利用RSSI指紋定位算法求解目標(biāo)位置，作為目標(biāo)航跡推算的初始坐標(biāo)。在定位過(guò)程中，錨節(jié)點(diǎn)接收目標(biāo)運(yùn)動(dòng)姿態(tài)信息和RSSI值，分別利用K近鄰和峰值檢測(cè)方法求解指紋定位結(jié)果和航跡推算結(jié)果，最后對(duì)2種定位結(jié)果進(jìn)行加權(quán)融合，得到最終的目標(biāo)位置。

圖5　混合定位算法流程

(6)

另外，注意到目標(biāo)航跡推算誤差會(huì)隨著時(shí)間而累積，因此，定義加權(quán)因子ω2：

(7)

式中T為定位時(shí)間。

將指紋定位與航跡推算的位置求解結(jié)果加權(quán)求和，得到最終的定位結(jié)果為

(8)

式中：P(t)為t時(shí)刻最終定位位置；PRSSI(t)為t時(shí)刻RSSI指紋法估計(jì)位置；PPDR(t)為t時(shí)刻航跡推算估計(jì)位置。

3.2基于RSSI衰減特性的誤差控制

基于指紋膜與航跡推算的混合定位算法利用指紋定位降低了航跡推算的累積誤差。不過(guò)，由于航跡推算的初始位置是由RSSI指紋膜方法求得的，所以，其本身不太精確，且誤差是隨機(jī)、不可控的?？紤]到定位環(huán)境中的錨節(jié)點(diǎn)位置固定不變，本文提出根據(jù)接收信號(hào)的RSSI值與距離的變化特性，利用錨節(jié)點(diǎn)位置更新初始位置。

3次實(shí)測(cè)得到的RSSI值與距離關(guān)系曲線(xiàn)如圖6所示。從圖6可看出，當(dāng)目標(biāo)節(jié)點(diǎn)與錨節(jié)點(diǎn)相距較近時(shí)，RSSI值與目標(biāo)位置對(duì)應(yīng)關(guān)系比較好；隨著距離的增大，RSSI值的隨機(jī)誤差不斷增大。因此，可以根據(jù)RSSI值的衰減特性進(jìn)行短距離輔助定位。設(shè)定信號(hào)強(qiáng)度閾值R(本文設(shè)R=-55 dB)，當(dāng)錨節(jié)點(diǎn)收到的目標(biāo)節(jié)點(diǎn)RSSI值大于閾值時(shí)，認(rèn)為運(yùn)動(dòng)目標(biāo)與錨節(jié)點(diǎn)距離較短(如3 m)，將當(dāng)前錨節(jié)點(diǎn)的位置作為目標(biāo)節(jié)點(diǎn)的實(shí)際位置，并將航跡推算的定位時(shí)間T置零。這樣既保障了目標(biāo)節(jié)點(diǎn)真實(shí)位置與糾正位置之間的距離不超過(guò)3 m，有效控制了更新位置的誤差范圍，同時(shí)清空了航跡推算過(guò)程中的累積誤差，有效提高了定位精度。

圖6　RSSI值與距離關(guān)系曲線(xiàn)

基于誤差控制的混合定位算法流程如圖7所示，具體步驟如下：

(1) 錨節(jié)點(diǎn)收到目標(biāo)節(jié)點(diǎn)RSSI信號(hào)之后，比較RSSI值與信號(hào)強(qiáng)度閾值R的大小關(guān)系，判斷目標(biāo)節(jié)點(diǎn)是否在錨節(jié)點(diǎn)有效范圍內(nèi)，若RSSI>R，則執(zhí)行步驟(2)，否則，執(zhí)行步驟(3)。

(2) 選定接收到的信號(hào)強(qiáng)度最大值，確定距目標(biāo)節(jié)點(diǎn)最近的錨節(jié)點(diǎn)，將該錨節(jié)點(diǎn)的物理位置坐標(biāo)設(shè)定為目標(biāo)節(jié)點(diǎn)的定位結(jié)果。

(3) 分別利用傳感數(shù)據(jù)和信號(hào)強(qiáng)度值進(jìn)行航跡推算定位和指紋定位，得到2種定位結(jié)果后進(jìn)行加權(quán)融合，將融合結(jié)果設(shè)定為目標(biāo)節(jié)點(diǎn)的定位結(jié)果。

(4) 利用定位結(jié)果更新航跡推算的初始位置。

圖7　基于誤差控制的混合定位算法流程

4　測(cè)試分析

在某模擬巷道內(nèi)進(jìn)行系統(tǒng)測(cè)試，模擬巷道為直線(xiàn)結(jié)構(gòu)，寬為2.8 m，選取的測(cè)試區(qū)域巷道長(zhǎng)度為100 m，區(qū)域內(nèi)有2個(gè)相距約30 m的硐室，如圖8所示。

圖8　模擬巷道結(jié)構(gòu)

實(shí)際測(cè)試中，在選取的測(cè)試區(qū)域兩端分別放置1個(gè)錨節(jié)點(diǎn)。在離線(xiàn)采樣階段，以錨節(jié)點(diǎn)1為初始零點(diǎn)位置，每隔3 m進(jìn)行一次指紋采樣，并遍歷所需定位區(qū)域，將采集到的數(shù)據(jù)按圖3要求建立指紋數(shù)據(jù)庫(kù)。在線(xiàn)定位階段，用戶(hù)攜帶定位標(biāo)簽由錨節(jié)點(diǎn)1向錨節(jié)點(diǎn)2方向移動(dòng)，行走路程為100 m，歷時(shí)70 s。移動(dòng)過(guò)程中數(shù)據(jù)采樣周期為150 ms，定位周期為1 500 ms，共進(jìn)行20組實(shí)驗(yàn)。

指紋定位算法、航跡推算法、混合定位算法的定位誤差如圖9所示。從圖9可以看出，指紋定位結(jié)果存在一定的位置偏移，其誤差在靠近錨節(jié)點(diǎn)位置處較小，遠(yuǎn)離錨節(jié)點(diǎn)位置處較大。航跡推算的定位誤差隨著采樣時(shí)間的增加而增大，存在誤差累積現(xiàn)象。當(dāng)定位標(biāo)簽靠近錨節(jié)點(diǎn)2(即采樣時(shí)間在70 s左右)時(shí)，航跡推算誤差大幅度減小，誤差累積現(xiàn)象明顯改善。

圖9　各算法定位誤差

經(jīng)過(guò)20組測(cè)試得到的定位平均誤差和標(biāo)準(zhǔn)差見(jiàn)表1。從表1可以看出，混合定位算法明顯減小了定位誤差，提高了系統(tǒng)的定位精度和穩(wěn)定性。

表1　各算法平均誤差和標(biāo)準(zhǔn)差

5　結(jié)語(yǔ)

為了提高煤礦人員安全保障，設(shè)計(jì)了基于指紋膜與航跡推算的井下人員定位系統(tǒng)。該系統(tǒng)將基于RSSI的指紋定位方法和航跡推算相結(jié)合，根據(jù)RSSI衰減特性對(duì)航跡推算進(jìn)行誤差控制。測(cè)試結(jié)果表明，該系統(tǒng)解決了航跡推算法初始位置獲取困難和誤差累積問(wèn)題，有效提高了定位精度和穩(wěn)定性。

[1]姜華,袁曉兵,付耀先,等.無(wú)線(xiàn)傳感器網(wǎng)絡(luò)中信道仿真模型的研究[J].計(jì)算機(jī)仿真,2006,23(11): 129-133.

[2]AFZAL S. A review of localization techniques for wireless sensor networks[J]. Journal of Basic and Applied Scientific Research, 2012, 2(8):7795-7801.

[3]翟彥蓉,黃歡,張申,等.基于DOA和TDOA的井下定位算法研究[J].工礦自動(dòng)化,2013,39(11):57-60.

[4]ZHANG Y, BROWN A K, MALIK W Q,etal. High resolution 3-D angle of arrival determination for indoor UWB multipath propagation[J]. IEEE Transaction on Wireless Communications, 2008, 7(8): 3047-3055.

[5]HU Qingsong, DING Yishan, WU Lixin,etal. An enhanced localization method for moving targets in coal mines based on witness nodes[J]. International Journal of Distributed Sensor Networks, 2015, Article ID 876721:1-10.

[6]HASTIE T, TIBSHIRANI R. Discriminant adaptive nearest neighbor classification[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1996, 18(6): 607-616.

[7]李澤民, 段鳳陽(yáng), 李贊平. 基于MEMS傳感器的數(shù)字式航姿系統(tǒng)設(shè)計(jì)[J]. 傳感器與微系統(tǒng), 2012, 31(6): 94-96.

[8]LEE S,KIM B,KIM H,etal.Inertial sensor-based indoor pedestrian localization with minimum 802.15.4a configuration[J]. IEEE Transactions on Industrial Informatics,2011,7(3):455-466.

[9]周亮, 付永濤, 李廣軍. 無(wú)線(xiàn)定位與慣性導(dǎo)航結(jié)合的室內(nèi)定位系統(tǒng)設(shè)計(jì)[J].電子技術(shù)應(yīng)用, 2014, 40(4): 73-76.

[10]劉勇, 羅宇鋒, 王紅旗, 等. 一種新型井下人員組合定位系統(tǒng)設(shè)計(jì)[J]. 工礦自動(dòng)化, 2014, 40(2): 11-15.

[11]陳國(guó)良, 李飛, 張言哲. 一種基于自適應(yīng)波峰檢測(cè)的MEMS計(jì)步算法[J].中國(guó)慣性技術(shù)學(xué)報(bào), 2015, 23(3): 315-321.

[12]FANG S H, LIN T N, LEE K C. A novel algorithm for multipath fingerprinting in indoor WLAN environments[J].IEEE Transaction on Wireless Communications,2008,7(9): 3579-3588.

Underground personnel positioning system based on fingerprint and dead-reckoning

MA Jing1,2，HU Qingsong2,3，SONG Boming1,2，ZHANG Shen2,3

(1.School of Information and Electrical Engineering, China University of Mining and Technology, Xuzhou 221008, China； 2.IoT Perception Mine Research Center, China University of Mining and Technology, Xuzhou 221008,China; 3.The National and Local Joint Engineering Laboratory of Internet Application Technology on Mine, China University of Mining and Technology, Xuzhou 221008,China)

In view of problem that RSSI-based fingerprint positioning method is greatly influenced by environment of coal mine tunnel, and localization method based on dead-reckoning is easy to form accumulation of errors, underground personnel positioning system based on fingerprint and dead-reckoning was designed. The system periodically collects location and attitude information, uses KNN and peak detection method to solve result of fingerprint and dead-reckoning, and the target position was obtained by weighted fusion of the two positioning results. The test results demonstrate that the system can obviously improve positioning accuracy and stability, and has strong adaptability to the complex environment of coal mine tunnel.

underground personnel positioning; fingerprint; dead-reckoning; fusion algorithm

1671-251X(2016)05-0019-05

10.13272/j.issn.1671-251x.2016.05.005

2016-01-20；

2016-03-11；責(zé)任編輯：胡嫻。

國(guó)家自然科學(xué)基金項(xiàng)目(51204177)；江蘇省自然科學(xué)基金項(xiàng)目(BK20151148)；中央高校基本科研業(yè)務(wù)費(fèi)專(zhuān)項(xiàng)基金項(xiàng)目(2015XKMS097)。

馬京(1991-)，女，山東菏澤人，碩士研究生，主要研究方向?yàn)闊o(wú)線(xiàn)傳感器網(wǎng)絡(luò)定位，E-mail:1148587652@qq.com。 通信作者：張申(1955-)，男，江蘇興化人，教授，博士研究生導(dǎo)師，主要研究方向?yàn)榈V山通信與信息化，E-mail:yunnan05@tom.com。

TD655.3

A網(wǎng)絡(luò)出版時(shí)間：2016-04-29 11:17

馬京，胡青松，宋泊明，等.基于指紋膜與航跡推算的井下人員定位系統(tǒng)[J].工礦自動(dòng)化，2016,42(5)：19-23.