一种井下人员定位算法的仿真实验方法技术

本发明专利技术公开了一种井下人员定位算法的仿真实验方法，包括移动节点、固定节点、主控制器、CAN总线、井上监测服务器和远程监测服务器，所述移动节点与固定节点电连接，固定节点与主控制器电连接，主控制器与井上监测服务器电连接，井上监测服务器与远程检测服务器电连接。本发明专利技术明井下人员定位算法的仿真实验方法，通过采用CC2410作为射频前端，加强煤矿井下通信效果，由CC2530和CC2410组合作为井下ZigBee网络的节点核心与传统仅适用CC2530相比，使得信号具有更长的传播距离，从而有效解决了有线连接通信如果某一个部分出现故障，将很有可能牵连到相关区域甚至整个网络、在线监测手段单一和系统共享程度低，不同厂家监测系统中的通信节点是无法兼容的问题。

A simulation experiment method of underground personnel positioning algorithm

The invention discloses a method for simulation of underground personnel positioning algorithm, including mobile node, fixed node, main controller, CAN bus, wells monitoring server and remote monitoring server, the mobile node is connected with the fixed node, a fixed node electrically connected with the main controller, the main controller and the monitoring server connected wells well, on the monitoring server and remote server to detect electrical connection. The simulation experiment method of the invention is that of underground personnel positioning algorithm, by using CC2410 as RF front-end, strengthen the communication effect of underground coal mine, by CC2530 and CC2410 as the core node and the traditional network only for underground ZigBee compared to CC2530, the signal has a longer transmission distance, so as to effectively solve the wired connection communication if one part failure will be linked to related areas and even the whole network, on-line monitoring system of single and low degree of sharing, communication nodes of different manufacturers in the monitoring system is not compatible with the problem.

【技术实现步骤摘要】
一种井下人员定位算法的仿真实验方法
本专利技术涉及计算机网络
，具体为一种井下人员定位算法的仿真实验方法。
技术介绍
作为一个煤矿大国，我国的煤矿安全生产形势相当严峻。现有井下监测技术不够理想，主要使用有线监测系统，此类系统存在许多不足如布线复杂、灵活性和拓展性差、维护成本高等。ZigBee技术以其成本低、容量大、数据传输可靠等多方面原因在无线传感网络(WSN))中脱颖而出，特别适合煤矿井下的监测。目前ZigBee技术在煤矿监测领域虽已得到初步应用，但存在实时性差、通信距离有限、通信因节点密集易起冲突、人员定位精度不高等缺点，煤矿井下安全监测水平急待提高。针对矿山井下的特殊环境，提出了一种煤矿井下人员位置实时监测系统，对井下人员位置进行实时监测，减少煤矿事故发生率。目前国内研发的煤矿安全监控系统虽多，但与现实需求存在较大差异。我国煤矿开采中使用的安全监测系统配备一般以工业总线为核心，和国外相比还有较大的差距。综合分析，可以发现目前国内煤矿安全监测系统存在以下不足：(1)由于通过有线连接进行通信，所以在监测系统中如果某一个部分出现故障，将很有可能牵连到相关区域甚至整个网络。(2)在线监测手段单一。(3)系统共享程度低，目前国内缺乏符合煤矿井下安全要求的总线标准，不同厂家监测系统中的通信节点是无法兼容的。现有煤矿对地下人员实时安全定位不足，所以需要一种井下人员定位算法的仿真实验方法。
技术实现思路
针对现有技术的不足，本专利技术提供了一种井下人员定位算法的仿真实验方法，解决了有线连接通信如果某一个部分出现故障，将很有可能牵连到相关区域甚至整个网络、在线监测手段单一和系统共享程度低，不同厂家监测系统中的通信节点是无法兼容的的问题。(二)技术方案为实现上述目的，本专利技术提供如下技术方案：一种井下人员定位算法的仿真实验方法，包括移动节点、固定节点、主控制器、CAN总线、井上监测服务器和远程监测服务器，所述移动节点与固定节点电连接，所述固定节点与主控制器电连接，所述主控制器与井上监测服务器电连接，所述井上监测服务器与远程检测服务器电连接。优选的，所述移动节点和固定节点的内部均包括有ZigBee无线传感器网络节点，所述ZigBee无线传感器网络节点包括CC2530芯片，所述CC2530芯片的内部包括RSSI寄存器和射频模块，所述RSSI寄存器包括RSSI模型，所述CC2530内部集成的功放传播距离为十米至七十米之间，所述射频模块的内部设置有CC2410模块。优选的，所述主控制器的内部包括CC2530模块、CC2410模块、CAN控制器、CAN收发器。优选的，所述RSSI定位的基本原理是利用信号衰减程度与距离之间的定量关系，通过获得的信号强度强弱指示(RSSI)来计算两个节点间的距离，无线电信号传播模型有自由空间模型、对地距离路径衰减模型、屏蔽模型等，其中只有屏蔽模型在考虑信号通信传播原理的同时又考虑了信号传播的随机干扰，前两者都是理想模型，所以屏蔽模型较适合用于煤矿井下的信号强度衰减研究，屏蔽模型分为两个部分，一部分是接收信号强度和距离的关系：其中r0(单位为m)、(单位为mw)表示接近中心的距离、接收到的信号强度，是两个参考值，用来估算在距离r时接收到的平均信号功率强度P(r)，β表示衰减指数，与节点所处环境有关，第二部分是信号衰减强度和距离的关系：其中，PL(d)、PL(d0)(单位为mv)分别表示当发射端与接收端相距d、d0(单位为m)时的信号衰减强度，d0为1m，考虑到理论上信号传播1m衰减-35至-45dB，一般取PL(d0)为-35dB，n为路径损耗因子，与节点所处的环境有关，取值在2至5之间，Xσ为均值为0的高斯分布随机变量，σ为标准差在4至10之间的随机变量，与系统的稳定性有关，这里需要解释一下的是，信号强度可以通过功率P表示，也可以通过RSSI表示，它们之间的转换关系是：P＝10RSSI/10(2-12)其中P的单位是mv，RSSI的单位是dB，接收信号的功率可以表示为：P(d)＝P0+Pamplify-PL(d)(2-13)其中，P(d)为发射节点与接收节点相距d时，接收节点接收的信号强度，P0为发射节点发射的功率，Pamplify为天线增益，PL(d)表示传播途中的信号衰减，将上述信号传播模型进行简化，可以得到节点间的信号强度公式：RSSI＝R-[A+10nlg(d)](2-14)其中，RSSI为接收信号强度，R发射信号强度，A为经过1m传输路径损耗后的值，(2)自适应拟合-四点定位及其快速定位算法下面详细介绍本系统所使用的算法，分为正常情况下的自适应拟合-四点定位和应急情况下的快速定位，同时给出了一种基于牛顿插值法的节点预测方法，(i)高斯滤波在信号传播模型中，存在均值为0的高斯分布随机变量Xσ，RSSI也服从高斯分布，其密度函数为：其中Xi为第i个信号强度，n为接收到的信号个数，对有限次满足高斯分布的RSSI值进行数据筛选：以公式(2-16)来判断采集的RSSI值是否需要舍弃，RSSI的正常经验值为-93至-113dBm，当存在设备故障、参数设置出错、外界干扰等原因时，RSSI值会出现过低、过高、主分级差值过大等问题，(ii)线性拟合由公式(2-14)可知，n、A这两个参数对RSSI与距离d的关系曲线有决定性作用，大量数据分析表明，在一定程度内，RSSI和d呈线性关系，由于煤矿井下存在信号反射、多径干扰等多种因素，n、A的实际取值与理论值相差较大，这样测量得到的距离偏离实际距离也会较大，本设计采用在不同环境中进行线性回归拟合得到n、A修改值的方法，在未知节点正式定位前，对信标节点彼此间收到的信号强度进行多次测量，在根据已知的铺设距离进行RSSI曲线重新拟合，其线性回归计算如下δi＝-10lgdii＝1,2,3……k(2-17)其中，K为接收到的RSSI的个数，Pr表示接受的信号强度，(iii)四点加权定位阶段对筛选后得到的RSSI值进行排序，选择信号强度最大的四个节点A(x1,y1)、B(x2,y2)、C(x3,y3)、D(x4,y4)，假设未知节点O坐标为(x,y)，其到未知节点的距离拟合RSSI曲线计算得d1、d2、d3、d4，在这四个节点中任取3个进行计算，可得四种情况：同理可得(x[3]，y[3])(x[4]，y[4])，最后将获得的四个待处理坐标取平均值得到O(x,y)：(iv)快速定位定位精度与定位算法所占的资源往往是相互制约的，在实现上述算法时考虑到以下情况：1)在井下一些死角区域或通信故障地段，未知节点可能无法同时获得周围最近的四个信标节点的信息；2)节点电池能量不足的情况，这时能够获得节点坐标显然比获得更高精度的坐标更重要，考虑以下情况：(1)只获得一个信标节点信息工作人员在煤矿井下巷道内的纵深程度要比离巷道壁两侧的距离信息更重要，因为巷道一般长度达几百甚至几千米，而宽度只在5m左右，所以将巷道简化成一条直线，以这个信标节点为圆心，两节点间的距离为半径画圆，可得如图1所示的结果。在这两个相交的点中根据未知节点之前坐标做出判断，选取其中的一个，若前一刻未定位成功，则选取该信标节点的坐标为自身坐标(2)只获得两个信标节点的信息设未知节点为O(x,y)、已知节点A(x1,本文档来自技高网...

【技术保护点】
一种井下人员定位算法的仿真实验方法，包括移动节点、固定节点、主控制器、CAN总线、井上监测服务器和远程监测服务器，其特征在于：所述移动节点与固定节点电连接，所述固定节点与主控制器电连接，所述主控制器与井上监测服务器电连接，所述井上监测服务器与远程检测服务器电连接。

【技术特征摘要】
1.一种井下人员定位算法的仿真实验方法，包括移动节点、固定节点、主控制器、CAN总线、井上监测服务器和远程监测服务器，其特征在于：所述移动节点与固定节点电连接，所述固定节点与主控制器电连接，所述主控制器与井上监测服务器电连接，所述井上监测服务器与远程检测服务器电连接。2.根据权利要求1所述的一种井下人员定位算法的仿真实验方法，其特征在于：所述移动节点和固定节点的内部均包括有ZigBee无线传感器网络节点，所述ZigBee无线传感器网络节点包括CC2530芯片，所述CC2530芯片的内部包括RSSI寄存器和射频模块，所述RSSI寄存器包括RSSI模型，所述CC2530内部集成的功放传播距离为十米至七十米之间，所述射频模块的内部设置有CC2410模块。3.根据权利要求1或2所述的一种井下人员定位算法的仿真实验方法，其特征在于：所述主控制器的内部包括CC2530模块、CC2410模块、CAN控制器、CAN收发器。4.根据权利要求2所述的一种井下人员定位算法的仿真实验方法，其特征在于：所述RSSI定位的基本原理是利用信号衰减程度与距离之间的定量关系，通过获得的信号强度强弱指示(RSSI)来计算两个节点间的距离，无线电信号传播模型有自由空间模型、对地距离路径衰减模型、屏蔽模型等，其中只有屏蔽模型在考虑信号通信传播原理的同时又考虑了信号传播的随机干扰，前两者都是理想模型，所以屏蔽模型较适合用于煤矿井下的信号强度衰减研究，屏蔽模型分为两个部分，一部分是接收信号强度和距离的关系：其中r0(单位为m)、(单位为mw)表示接近中心的距离、接收到的信号强度，是两个参考值，用来估算在距离r时接收到的平均信号功率强度P(r)，β表示衰减指数，与节点所处环境有关，第二部分是信号衰减强度和距离的关系：其中，PL(d)、PL(d0)(单位为mv)分别表示当发射端与接收端相距d、d0(单位为m)时的信号衰减强度，d0为1m，考虑到理论上信号传播1m衰减-35至-45dB，一般取PL(d0)为-35dB，n为路径损耗因子，与节点所处的环境有关，取值在2至5之间，Xσ为均值为0的高斯分布随机变量，σ为标准差在4至10之间的随机变量，与系统的稳定性有关，这里需要解释一下的是，信号强度可以通过功率P表示，也可以通过RSSI表示，它们之间的转换关系是：P＝10RSSI/10(2-12)其中P的单位是mv，RSSI的单位是dB，接收信号的功率可以表示为：P(d)＝P0+Pamplify-PL(d)(2-13)其中，P(d)为发射节点与接收节点相距d时，接收节点接收的信号强度，P0为发射节点发射的功率，Pamplify为天线增益，PL(d)表示传播途中的信号衰减，将上述信号传播模型进行简化，可以得到节点间的信号强度公式：RSSI＝R-[A+10nlg(d)](2-14)其中，RSSI为接收信号强度，R发射信号强度，A为经过1m传输路径损耗后的值，(2)自适应拟合-四点定位及其快速定位算法下面详细介绍本系统所使用的算法，分为正常情况下的自适应拟合-四点定位和应急情况下的快速定位，同时给出了一种基于牛顿插值法的节点预测方法，(i)高斯滤波在信号传播模型中，存在均值为0的高斯分布随机变量Xσ，RSSI也服从高斯分布，其密度函数为：其中Xi为第i个信号强度，n为接收到的信号个数，对有限次满足高斯分布的RSSI值进行数据筛选：以公式(2-16)来判断采集的RSSI值是否需要舍弃，RSSI的正常经验值为...

【专利技术属性】
技术研发人员：俞阿龙，施赛杰，戴金桥，孙红兵，
申请(专利权)人：淮阴师范学院，
类型：发明
国别省市：江苏,32