一种井下区间分段式视距节点合作定位算法制造技术

技术编号:18952625 阅读:28 留言:0更新日期:2018-09-15 13:47
本发明专利技术公开了一种井下区间分段式视距节点合作定位算法,利用LVQ自定义聚类将长距离定位区间分段并将聚类边界信号强度值作为阈值,把已定位出结果的未知节点视为其它未知节点的“虚拟参考节点”,实现所有节点信息相互交流,在节点筛选思想下利用信号状态信息(CSI)寻找视距路径(LOS)节点,将近距离区间内的已定位LOS节点代替远距离区间的参考节点,在改进的三角形加权质心定位算法下进行粗定位并通过坐标修正算法修正位置。本发明专利技术定位精度高、提高了定位系统整体稳定性,减小了定位误差,在煤矿井下应用有很好的效果。

A cooperative location algorithm based on segmented stadia nodes in underground section

The invention discloses a cooperative localization algorithm for downhole interval-segmented LOS nodes. Using LVQ custom clustering, the long-distance localization interval is segmented and the clustering boundary signal intensity value is taken as the threshold value, and the unknown nodes of the localized results are regarded as the \virtual reference nodes\ of other unknown nodes to realize the information phase of all nodes. Under the idea of node selection, signal state information (CSI) is used to find LOS nodes. Located LOS nodes in the near range are replaced by the reference nodes in the long range range. Rough positioning is carried out under the improved triangle weighted centroid positioning algorithm and the position is corrected by coordinate correction algorithm. The invention has high positioning accuracy, improves the overall stability of the positioning system, reduces the positioning error, and has good effect in the application of underground coal mine.

【技术实现步骤摘要】
一种井下区间分段式视距节点合作定位算法
本专利技术涉及无线通信
,特别是涉及井下矿用物联网中的分段节点合作定位领域。
技术介绍
我国是产煤大国,且多为地下巷道式开采,煤矿井下地质复杂,巷道空间狭长,多种原因导致煤矿井下事故发生,井下人员的定位效果直接影响人员救援的成功率。矿井人员定位对于增强煤矿生产安全及信息化管理有着重要的实用价值,实现以矿用物联网为核心的精确高效的煤矿井下人员定位技术对井下安全生产具有重要的意义,引起学者们极大研究兴趣。矿井物联网无线定位技术利用无线电磁波在巷道内的传输特性分析目标的位置,目前矿山物联网技术中节点定位因方式简单、实用性高成为常用定位算法之一,但是受长距离时信号干扰多、衰减大的影响定位效果差。无线节点定位方式可分为基于测距定位方式和基于非测距定位方式,基于测距的定位前三种方式具有较高的精度,但是对硬件设备要求高,在煤矿井下人员定位中不能得到实际应用;基于非测距定位能耗低,对硬件要求低,但是对节点密度要求高,在定位节点较少的情形下,定位系统稳定性差,精度不佳。国内外已有不少提高节点定位精度和系统稳定性的算法,但这些算法只利用了未知节点与参考节点之间的信息,忽略使用未知节点相互之间的信息,因此没有解决远距离节点信号衰减的问题。随着矿井物联网技术的普及、无线传感器设备的增多,井下人员、设备、机械都携带有大量节点信息,利用节点之间的信息相互合作定位成为我们研究长距离定位时避免信号衰减较大的新思想。
技术实现思路
为了克服上述现有技术的不足,本专利技术提供了一种井下区间分段式视距节点合作定位算法。本专利技术所采用的技术方案是:一种井下区间分段式视距节点合作定位算法,包括以下步骤:a、场景勘测部分:离线阶段采集目标场景的数据信息预处理,然后利用shadowing模型拟合RSSI信号与距离d关系的关系曲线,利用曲线学习向量量化(LVQ)聚类算法自定义聚类数q并确定阈值T;b、未知节点定位算法部分:在线实测阶段,部署信号发射装置及接受装置,实现未知节点与参考节点之间信息交流,未知节点与已定位未知节点之间信息相互交流,信号发射装置采用商用AP,信号接收装置使用可同时采集RSSI与CSI的微型计算机,微型机内置经过修改驱动的Intel5300网卡;c、数据预处理:对采集的RSSI信息进行Gauss平滑滤波,剔除异常值;对采集的CSI进行幅值的hampel滤波,滤除同一子载波上偏离CSI向量的离群点:d、判定未知节点出现的次序:当第一个节点出现时只能选用参考节点信息定位,定位后节点模式转换,发送信号,可作为“虚拟参考节点”辅助其他未知节点定位;其余各未知节点可以利用参考节点和虚拟参考节点信息定位;e、信息识别:虚拟参考节点是已定位的未知节点,使用虚拟参考节点需要慎重选择,通过CSI信息进行视距路径节点信息识别,将从视距路径节点传输的视距路径RSSI信息选取前N个求均值作为有效定位数据;f、粗定位:在满足定位条件情况下选用改进的小区域三角形加权质心算法,获得粗定位;g、精准定位:粗定位后利用横纵坐标修正算法进一步提高定位准确度,之后转入步骤c继续实现场景监测定位。进一步地,所述步骤b中的未知节点之间信息交流通过对该模块设定两种模式:Receiver和Transmitter;未知节点处于待定位阶段在Receiver接收来自其他发射节点的信息对自身定位,一旦定位成功会立即转换模式进行信号发送,帮助其他待定位节点定位。进一步地,所述步骤e中的视距节点判定将PHY层的CSI作为辅助信号,CSI利用正交频分复用技术(OFDM)将信号调制到不同频率的子载波传输,在接收端可以有效的区分信号的路径,消除多径效应及非视距路径(NLOS)干扰,将虚拟参考节点的CSI信息进行处理,判断视距路径是否存在,若不存在剔除该节点,若存在将远距离时使用的NLOS参考节点用寻找到的近处存在LOS虚拟参考节点代替,选取LOS路径节点信号共同作为定位数据的输入信号,根据幅值大小排序,将前N个数据包中的RSSI取均值计算距离信息。与现有技术相比,本专利技术的有益效果是:1、本专利技术实现物联网物物相连的理念,未知节点与参考节点信息实时相互交流,在长距离区间定位时定位精度高、整体系统稳定。2、煤矿井下巷道狭长、环境恶劣,参考节点部署相隔较远,与传统未将定位区间分段、未选择近处虚拟参考节点的定位算法相比,该算法减小了定位误差、提升了定位精度和系统鲁棒性。附图说明图1为本专利技术一种井下区间分段式视距节点合作定位算法的流程图;图2为本专利技术区间分段视距节点定位意图。其中:1-未知节点;2-参考节点。具体实施方式为了加深对本专利技术的理解,下面结合附图和实施例对本专利技术进一步说明,该实施例仅用于解释本专利技术,并不对本专利技术的保护范围构成限定。如图1和图2所示,一种井下区间分段式视距节点合作定位算法,包括以下步骤:b、未知节点定位算法部分:在线实测阶段,部署信号发射装置及接受装置,实现未知节点1与参考节点2之间信息交流,及未知节点1与已定位未知节点之间信息相互交流,节点间的相互交流通过将节点模块设置成两种不同的工作模式,未知节点1处于待定位阶段采用Receiver模式接收其他节点发送的信息对自身定位;一旦未知节点1定位成功,立即转换成Transmitter模式发送信号,供其他未知节点1定位使用。信号发射装置采用商用AP,信号接收装置使用可同时采集RSSI与CSI的微型计算机,微型机内置经过修改驱动的Intel5300网卡。c、数据预处理:对采集的RSSI信息进行Gauss平滑滤波,剔除异常值;对采集的CSI进行幅值的hampel滤波,滤除同一子载波上偏离CSI向量的离群点;CSI在时域中常用的多径信道描述为公式(7):d、判定未知节点出现的次序:当第一个节点出现时只能选用参考节点2信息定位,定位后节点模式转换,可作为“虚拟参考节点”辅助其他未知节点1定位;其余各未知节点1可以利用参考节点2和虚拟参考节点信息定位。e、信息识别:虚拟参考节点是已定位的未知节点,使用虚拟参考节点需要慎重选择,通过CSI信息进行视距路径节点信息识别,将从视距路径节点传输的视距路径RSSI信息选取前N个求均值作为有效定位数据。f、粗定位:在满足定位条件情况下选用改进的小区域三角形加权质心算法,获得粗定位。g、精准定位:粗定位后利用横纵坐标修正算法进一步提高定位准确度;之后转入步骤c继续实现场景监测定位。本专利技术的实施例公布的是较佳的实施例,但并不局限于此,本领域的普通技术人员,极易根据上述实施例,领会本专利技术的精神,并做出不同的引申和变化,但只要不脱离本专利技术的精神,都在本专利技术的保护范围内。本文档来自技高网...

【技术保护点】
1.一种井下区间分段式视距节点合作定位算法,其特征在于:包括以下步骤:a、场景勘测部分:离线阶段采集目标场景的数据信息预处理,然后利用shadowing模型拟合RSSI信号与距离d关系的关系曲线,利用曲线学习向量量化(LVQ)聚类算法自定义聚类数q并确定阈值T;b、未知节点定位算法部分:在线实测阶段,部署信号发射装置及接受装置,实现未知节点与参考节点之间信息交流,未知节点与已定位未知节点之间信息相互交流,信号发射装置采用商用AP,信号接收装置使用可同时采集RSSI与CSI的微型计算机,微型机内置经过修改驱动的Intel5300网卡;c、数据预处理:对采集的RSSI信息进行Gauss平滑滤波,剔除异常值;对采集的CSI进行幅值的hampel滤波,滤除同一子载波上偏离CSI向量的离群点:d、判定未知节点出现的次序:当第一个节点出现时只能选用参考节点信息定位,定位后节点模式转换,发送信号,可作为“虚拟参考节点”辅助其他未知节点定位;其余各未知节点可以利用参考节点和虚拟参考节点信息定位;e、信息识别:虚拟参考节点是已定位的未知节点,使用虚拟参考节点需要慎重选择,通过CSI信息进行视距路径节点信息识别,将从视距路径节点传输的视距路径RSSI信息选取前N个求均值作为有效定位数据;f、粗定位:在满足定位条件情况下选用改进的小区域三角形加权质心算法,获得粗定位;g、精准定位:粗定位后利用横纵坐标修正算法进一步提高定位准确度,之后转入步骤c继续实现场景监测定位。...

【技术特征摘要】
1.一种井下区间分段式视距节点合作定位算法,其特征在于:包括以下步骤:a、场景勘测部分:离线阶段采集目标场景的数据信息预处理,然后利用shadowing模型拟合RSSI信号与距离d关系的关系曲线,利用曲线学习向量量化(LVQ)聚类算法自定义聚类数q并确定阈值T;b、未知节点定位算法部分:在线实测阶段,部署信号发射装置及接受装置,实现未知节点与参考节点之间信息交流,未知节点与已定位未知节点之间信息相互交流,信号发射装置采用商用AP,信号接收装置使用可同时采集RSSI与CSI的微型计算机,微型机内置经过修改驱动的Intel5300网卡;c、数据预处理:对采集的RSSI信息进行Gauss平滑滤波,剔除异常值;对采集的CSI进行幅值的hampel滤波,滤除同一子载波上偏离CSI向量的离群点:d、判定未知节点出现的次序:当第一个节点出现时只能选用参考节点信息定位,定位后节点模式转换,发送信号,可作为“虚拟参考节点”辅助其他未知节点定位;其余各未知节点可以利用参考节点和虚拟参考节点信息定位;e、信息识别:虚拟参考节点是已定位的未知节点,使用虚拟参考节点需要慎重选择,通过CSI信息进行视距路径节点信息识别,将从视距路径节点传输的视距路径RSSI信息选取前N个求均值作为有效定位数据;f、粗定位:在满足定位条件情况下选用改进的小区域三角形加权质心...

【专利技术属性】
技术研发人员:丁恩杰赵彤李先圣张雷胡延军
申请(专利权)人:中国矿业大学
类型:发明
国别省市:江苏,32

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1