针对矿井TOA(Time of Arrival)定位精度易受电磁波NLOS(Non Line of Sight)传播时延的影响,且不能满足井下应急救援、人员作业管理以及矿井物联网建设等需求的问题,通过对NLOS时延参考模型和矿井巷道设备运动特点的分析,将巷道电磁波NLOS传播时延分为随机NLOS时延和固定NLOS时延,结合两类NLOS时延造成测距误差的特点,提出了基于改进卡尔曼滤波和参数拟合的矿井TOA定位方法。为了消除由矿井巷道中机车等移动设备以及不规律设置设备引起的、具有随机性和难以定量分析等特点的巷道随机NLOS时延误差,设计了将新息阈值引入卡尔曼滤波器中,提高其系统对脉冲误差的滤除能力的方法;为了抑制由矿井巷道中固定设施及设备造成的具有稳定性的巷道固定NLOS时延误差,建立了巷道测距误差模型,构建了井下固有设备参数与定位估计值间的函数关系,通过参数拟合与投影几何算法来提高系统的定位精度。仿真结果显示,测量数据经过基于新息阈值的卡尔曼滤波器处理之后,误差曲线趋于平稳,定位误差保持在1.9~3.1m,再经参数拟合和几何算法处理后,定位误差在0~0.8m,平均误差由2.4m降为0.3m;且相比于SDS-TWR(Symmetric Double-Sided Two-Way Ranging)方法、卡尔曼滤波和指纹定位方法以及卡尔曼滤波和参数拟合方法,所提方法平均定位误差分别减小了3.4,0.4和0.6m。从而表明所提方法对TOA定位误差具有较明显的抑制作用,可以实现TOA方法在矿井NLOS环境中的有效应用。
针对矿井巷道NLOS(Non Line Of Sight)时延影响矿井TOA(Time Of Arrival)定位精度的问题,通过分析巷道NLOS时延形成方式,将巷道NLOS时延分为随机和固定两类,结合两类巷道NLSO时延的特性,提出了一种基于自适应抗差卡尔曼滤波的巷道NLOS时延抑制方法。对于巷道随机NLOS时延,通过在经典卡尔曼滤波算法的基础上引入了自适应抗差概念,使系统在线性滤波的基础上增加了对随机脉冲误差的抑制能力;对于巷道固定NLOS时延,通过在巷道NLOS误差模型的基础上,构建巷道中信号传播距离与传播环境间的函数模型,并结合几何定位算法完成系统对固有误差的有效抑制。实验结果显示,包含有巷道NLOS时延的原始定位数据,误差在2.1~8.1 m之间,平均误差为3.7 m;原始数据经自适应抗差卡尔曼滤波算法处理后,误差在1.9~3.6 m之间,平均误差为2.5 m,定位曲线与实际移动曲线基本保持平行;再经参数拟合和几何算法处理,误差在0~1.0 m之间波动,误差平均值为0.27 m,且所提方法较原始定位数据,平均定位误差减小了3.43 m.从而表明,所提方法对巷道NLOS时延具有较明显的抑制作用,能够提高TOA井下人员定位系统的精确度。
在RSSI(Received Signal Strength Indication)测距定位技术中,为抑制巷道信号NLOS(Non Line of Sight)传输对定位结果的影响,提出信号指纹定位和几何优化算法。在离线阶段利用高斯滤波最大值加权法和最小二乘法建立符合矿井巷道环境的无线信号测距模型,设计改进卡尔曼滤波器平滑处理离线信号值,抑制巷道信号NLOS传输带来的影响,建立离线信号指纹库;在线定位阶段,利用加权K最近邻法(WKNN)将定位目标接收到的信号值与指纹库中的信号值进行匹配,将匹配到的最优信号值参与测距定位计算,最后通过几何优化算法将定位结果归一化处理,使其符合一维定位分布。结果表明:所提算法的平均定位误差为0.9 m,相比于高斯滤波最大值加权法、经典卡尔曼滤波指纹定位算法和改进卡尔曼滤波指纹定位方法,其平均误差分别减小2.36,1.17,0.35 m。所提算法能够有效抑制巷道信号NLOS传输对RSSI测距定位的影响,可实现RSSI方法在矿井NLOS环境中的有效应用。
