基于加速度传感器的室内消防员定位系统设计

合集下载

基于DR定位算法的消防员室内定位设计

现代商贸工业２０１８年第１９期１８５㊀基金项目:黄冈师范学院大学生创新训练项目(２０１７１０５１４０２３).作者简介:朱婷,女,湖北荆州人,黄冈师范学院数理学院在读,主要研究方向为数学建模;廖小勇,男,湖北罗田人,教授,主要研究方向为系统建模(通讯作者).基于D R 定位算法的消防员室内定位设计朱㊀婷㊀廖小勇(黄冈师范学院数理学院,湖北黄冈４３８０００)摘㊀要:为解决复杂室内环境中消防员定位困难问题,基于D R 定位算法(航位推测法),综合运用消防员作业时的航向角㊁步频及步长因素,提出了消防员室内定位的一套整体设计解决方案.关键词:消防;室内定位;D R 定位算法中图分类号:T B ㊀㊀㊀㊀㊀文献标识码:A㊀㊀㊀㊀㊀㊀d o i :１０．１９３１１/j．c n k i ．１６７２Ｇ３１９８．２０１８．１９．０８２１㊀前言筑物火灾事故是造成人民财产和生命损失的重大事故,多年以来在我国时有发生.发生建筑物火灾事故时,需要消防员即时快捷地进入建筑物内部进行灭火和救援.消防员在室内救援时,确保消防员自身的安全,也是事故处理的重要前提条件.消防员若能够随身携带定位设备,让室外指挥人员能实时获知其位置信息,从而能准确及时根据现场情况做出指挥,必将极大提高救援效率,更好地保障消防员自身安全.由于建筑物对于无线电信号的阻挡,室内定位很难直接使用G P S 定位系统.由于红外线对于障碍物的穿透能力不够强,只能适用于视距良好的室内环境,故运用红外线测距的定位技术也不适用.对于需要建立UW B 基站网络的超宽带U l t r a －w i d e b a n d 技术定位,虽然定位精度很高,其技术成本与前期设备投入,是制约其普遍使用的瓶颈.另外,对于运用位置指纹的定位方法,虽然相关技术较成熟,在消防应急场合无法完成离线阶段的指纹数据库建立,因而也不实用.本文提出一种基于D R 定位算法(航位推测法)的消防员室内定位方案,只需消防员事先用鞋带将惯性测量单元绑在脚上,到达火灾现场后不需要浪费任何时间,通过航迹推算位置数据,可以第一时间得到其在火灾现场的实际行走路线和准确可靠的目标位置信息,从而能够大大减少伤亡.该方案不依赖外部信息,在建筑物内部存在烟雾㊁信号隔绝㊁停电等环境之中,依然能够进行定位;该方案也勿需借助室内R F I D 标签㊁W i f i 信号等已有的设备.２㊀D R 定位算法模型２．１㊀D R 定位算法(航位推测法)原理D R (D e a dR e c k o n i n g )算法(航位推测法)是推算行人当前所居位置的一种算法,它从已知的行人上一个位置开始计量,根据行人行走时间段内所走过的位移和航向,推算出其当前位置.其应用方法是用鞋带将利用加速度传感器㊁陀螺仪和地磁计组合而成的惯性测量单元绑在行人脚上,用以测量行人当前位置的运动加速度和方位等信息,从而推算出移动目标的下一个位置信息.该算法的推算过程如下:设行人一个时间段内的初始位置坐标为P ０(x ０,y ０),下一个位置坐标为P １(x １,y １).从位置P ０到P １段内的方向为α０(t ０),由加速度计获得的步长为S (t ０),两点的关系为:x １＝x ０＋S (t ０)ˑc o s (α(t ０))(１)y １＝y ０＋S (t ０)ˑs i n (α(t ０))(２)从而依此类推P k (x k ,y k )的位置是:x k ＝x ０＋ðk －１i ＝０S (t i )ˑc o s (α(t i ))(３)y k ＝y ０＋ðk －１i ＝０S (t i )ˑs i n (α(t i ))(４)由于可见,D R 定位算法(航位推测法)的基本原理是获取行人的相对位移,即步数与步长之积.此算法的定位精度与获取行人的初始位置㊁航向角㊁步频及步长四种参数有关.模型计算中初始位置在初始校准时已经给出,以下对步频的探测㊁步长的估算及航向角的测量作阐述.２．２㊀步频探测人在行走过程中,先抬脚后落脚,此过程中重心先上升后下降,脚步在空中会有瞬时的停顿.在垂直方向上,行人抬脚时的加速度是先变大后变小的,基于垂直方向此变化过程的计量,我们就可以利用加速度信号的变化值来进行步频的探测.但由于行人行走是一个动态过程,a x 一般会出现两个或三个峰值,故我们可以先使用一个F I R 低通滤波器(截止频率为５H z ),用以对加速度信号进行滤波处理,得到平滑的a x ;再利用a x 减去静止时的输出,进而进行过零检测.这样,我们就可以运用当加速度值变化对行人的抬落脚姿态进行推断,加速度由负变为正时为抬脚,由正变为负时为落脚.２．３㊀步长估算对于步长的计算,通常应用中有恒定模型㊁线性模型㊁非线性模型和人工智能模型四大类.本文选择非线性模型作为步长估算方法.模型原理:工程管理与技术现代商贸工业２０１８年第１９期１８６㊀㊀L e n ＝k ４A m a x －A m i n(５)式中A m a x 表示加速度的最大值,A m i n 表示加速度的最小值,参数k 是只跟行人站立不动时的腿长相关的一个系数,可以根据实验获得.由上述非线性模型,就容易就能进行行人步长的估算.正因为运用非线性模型估算方法已经较为成熟,估计步长的精度可以达到毫米级别,而且运用于航位推测法中,步长估算误差带来的影响,远远小于对于行人运动方向探测误差带来的影响,故本文选择非线性模型作为步长估算的方法.２．４㊀航向角的测量行走方向的判断一般有两种算法:捷联航向算法和地磁航向算法.捷联航向算法是通过姿态矩阵的变换获得惯性导航单元相对于当地地理系的旋转角速率,地磁航向算法是通过将传感器轴向测量到的地磁场强度投影到当地地理系后计算磁航向.捷联惯性导航系统能够提供更多的导航信息,但长时稳定性差,易发散;而地磁航向导航系统虽然相比较而言精度高,但易受外界因素影响.在对行人方向进行判断时,我们一般采用捷联航向与地磁航向两相结合的方法来进行.实际工作中,如果我们运用地磁航向得到的数据,与运用捷联航向得到的数据相差较大,说明所运用的地磁航向导航彼时受到了外界磁场的干扰,此时地磁航向数据不具有较大的信度,应使用捷联航向数据来判断方向.如果二者的差别值在预设的范围内,为计算精确计,一般取两种航向角的平均值.同时,在计算行走时应该将前一次行人落脚时刻到本次抬脚时刻内的航向值,作为一个数组序列来对待,对符合方向要求的数据再取均值来进行计算.３㊀基于D R 定位算法的总体设计方案基于上述D R 定位算法(航位推测法),我们设计了一套消防员的定位系统,其结构框图如图１所示.采用的传感器分别是:用来测量相对海拔高度的气压计,用来测量消防员行进中的加速度信息的三轴加速度计,用来测量地磁角度的三轴磁力计,用来测量消防员行进中的航向角的三轴角速度计.把气压计㊁加速度计㊁角速率计㊁磁力计组合成一个固定单元,称之为惯性测量单元(I n e r t i a lM e a s u r e m e n tU n i t ,I MU ).图１㊀人员定位系统结构框图本消防员定位系统,首先将消防员行走的加速度变化情况,与行走时的加速度图形进行对比,从而判断出消防员是否发生行走行为.如发生行走行为,则会自动进行步长估算,通过调用该时间段内的捷联航向数据或地磁航向数据,判断其方向,从而获得消防员的定位结果,并将该定位结果作为下一次航位推测的初始信息.消防员进入室内灭火救援进,将I MU 绑缚在消防员的脚上,将其收集到的数据,通过低通滤波和卡尔曼滤波后,送入M C U 的缓存中.当消防员发生行走时,M C U 将计算出其行走后的位置信息,并通过数据传输模块发送至后方显示屏.后方显示屏显示出的消防员运动轨迹,就能让室外的指挥人员及时获知相关信息,从而做出及时的判断决策.４㊀结论利用相对定位和航迹推算思想设计的上述消防员定位系统,相比于目前的一些室内定位系统,解决了定位信号强度的问题,因为定位系统所需要的信号,只在消防员的两脚之间传播,作用距离短,能保障信号不受室内复杂环境的影响.同时,本定位系统也是一种自主式的定位系统,具备惯性导航所有的优势,且累积误差要小得多.另外,系统使用的超声波收发模块和芯片,价格便宜且常见,从而具备系统构造成本低的优势.参考文献[１]张天琦．基于w i f i 的室内定位关键技术研究[D ]．哈尔滨:哈尔滨理工大学,２０１７．[２]吕胜良,闫永驰．消防员室内定位系统的测试及选型[J ]．消防科学与技术,２０１６,３５(１０):１４２４Ｇ１４２６．[３]米明恒．消防员定位系统研制[D ]．哈尔滨:哈尔滨工业大学,２０１６．[４]郑海升．消防员室内定位系统研究[D ]．重庆:重庆大学,２０１５．[５]田增山,朝磊,邢培基,等．行人导航系统中航迹推算参数估计方法的研究[J ]．电子技术应用,２００９,(１２):８４Ｇ８７．[６]许睿．行人导航系统算法研究与实现[D ]．南京:南京航空航天大学,２００８．[７]周启帆,张海,常艳红,等．基于M I MU 的行人导航算法研究[J ]．系统仿真技术,２０１０,６(４):２８１Ｇ２８６．[８]W e i C h e n ,R u i z h i C h e n ,j i a n y uW a n g,e t a l ．A nE f f e c t i v e P e d e s t r i Ｇa nD e a d R e c k o n i n g A l g o r i t h m U s i n g a U n i f i e d H e a d i n g Er r o r M o d e l [C ]．P o s i t i o n L o c a t i o n a n d N a v i g a t i o n S y m po s i u m (P L A N S ),２０１０:３４０Ｇ３４７．[９]Q i l o n g Y u a n ,I －M i n g C h e n ;C a u s ,A．H u m a nv e l o c i t y t r a c k i n ga n d l o c a l i z a t i o nu s i n g ３I MUs e n s o r s [C ]．R ob o t ic s ,A u t o m a t i o n a nd Me c h a t r o n i c s (R AM ),２０１３６t h I E E EC o nf e r e n c e :２５Ｇ３０．[１０]胡斌．基于航位推测技术的消防人员室内定位系统研究[A ]．中国消防协会．２０１４中国消防协会科学技术年会论文集[C ]．中国消防协会:２０１４:３．[１１]陈娇,陈玮,陆晓野,古文丽．基于G P S O n e 和航位推算的定位算法研究[J ]．计算机与数字工程,２０１２,４０(０１):１６Ｇ１８．。

214342424_一种消防救援人员室内作业定位系统的设计

第47卷第3期燕山大学学报Vol.47No.32023年5月Journal of Yanshan UniversityMay 2023㊀㊀文章编号 1007-791X 2023 03-0221-08一种消防救援人员室内作业定位系统的设计刘智博1 杨景宏2 刘思宇2 冯立辉2 ∗ 闫㊀磊11.东北大学秦皇岛分校计算机与通信工程学院河北秦皇岛0660042.北京理工大学光电学院北京100081㊀㊀收稿日期 2022-12-16㊀㊀㊀责任编辑温茂森基金项目国家自然科学基金资助项目 62075012 61971046㊀㊀作者简介刘智博 2002- 男湖北襄阳人主要研究方向为室内定位 ∗通信作者冯立辉 1976- 男吉林白城人博士副教授主要研究方向为惯性技术及室内定位 Email lihui.feng@.摘㊀要针对目前室内火灾的消防救援工作中消防救援人员获取位置信息以提高救援工作效率的实际需求设计了一种适用于消防救援人员室内作业的定位系统.该系统主要基于惯性定位技术设计了足部绑式惯性导航模块该模块通过与激光雷达辅助模块功能上的融合可获取消防救援人员在火灾现场作业时的准确位置且能够减少消防救援人员误入非目标房间的可能性.同时本文给出了上述模块中保障系统实现高精度定位的两个关键技术即基于改进支持向量机方法的姿态分类与识别和基于卡尔曼滤波的信息融合.应用场景的测试结果表明基于相关技术在宽敞的室内环境下单独采用足部绑式惯性导航模块即可获得较为精确的位置信息在多房间复杂室内结构环境下采用激光雷达模块进行辅助后仍可获得满足实际定位需求的位置信息.关键词火场救援室内定位惯性导航激光雷达辅助中图分类号 TP273㊀㊀文献标识码 A㊀㊀DOI 10.3969/j.issn.1007-791X.2023.03.0050　引言近年来随着社会和经济的快速发展城市各类建筑物规模愈加宏大且布局复杂为火灾救援增加了压力与难度.据统计 2012年至2021年这10年间全国共发生132.4万起住场所火灾造成11634人遇难㊁6738人受伤财产损失达77.7亿元 1 .根据国家消防救援局数据 2021年全年共接报大型高层建筑火灾4057起㊁造成168人死亡死亡人数比上年增加了22.6% 主要集中于居住场所 2.同时学校㊁医院㊁商场市场㊁宾馆饭店㊁文化娱乐㊁交通枢纽㊁大型综合体都是火灾频发的重点.大型高层建筑物分布集中且结构复杂以及人群密集为消防救援带来了诸多不便.同时复杂的火场环境对救援人员的生命安全造成了极大威胁.2001年美国 911 事件中343名消防员丧生主要原因是消防救援人员无法获知自己确切的位置导致无法从即将倒塌的大楼内逃生 3 .在我国2007年至2014年已经有633名消防救援人员在火场救援行动中牺牲中国消防救援人员由于窒息和中毒原因造成殉职占比15.9% 4 .火灾环境复杂多变通信中断消防救援人员与后台指挥人员均无法在短时间内清晰地了解救援现场很难及时掌握室内结构布局及自身所处具体位置从而降低了救援与自救的效率很大程度上导致了上述事故的发生.在室内火场救援过程中由于全球卫星导航系统 Global Positioning System GPS 失效消防救援人员或后台指挥人员均无法在短时间内及时完成对于消防救援人员位置信息的获取这给消防救援人员的救援及自救造成了障碍.如果可获得实时获取消防救援人员室内作业时的位置信息一方面消防救援人员能将位置所搜集的信息与后台指挥人员共享根据实时情况指定最优方案减少盲目搜寻的时间进而能够提高救援效率另一方面消防救援人员一旦遇到危险其他救援人员可根据其位置信息迅速开展救援进而为救援222㊀燕山大学学报2023人员自身安全提供了进一步保障.针对以上问题本文中给出了可穿戴式消防救援人员室内作业定位系统的整体方案并对系统中的重要模块和关键技术进行了介绍.在无法使用GPS的室内火场环境中该定位系统仍可提供消防救援人员的精确位置信息提高救援效率并为救援人员提供安全保障.1　相关研究目前国内外研究的应急救援定位系统中主要采用GPS㊁外置信源室内定位及天然信源室内定位等技术实现对于人员或者设备的辅助定位导航与安全保护.GPS能够提供全天候的实时定位且设备款式多㊁灵活性强但由于GPS易受环境因素的影响例如在地下停车场㊁复杂建筑物内部等地方信号易被建筑墙壁遮挡导致信号急剧衰减从而无法收到信号实现有效定位 5 .因此该技术目前主要应用于室外开阔场景应急救援中在室内火灾应急救援中并不适用.外置信源室内定位技术得到了广泛的应用例如文献 6提出了基于超宽带Ultra Wide Band UWB的室内定位技术文献 7提出了基于建筑物内可见光源的室内无线定位技术与此同时基于Wi-Fi设备的无线定位感知技术 8 也得到了广泛应用.以上述外置信源设备作为架构基础的定位系统在各种室内应用场景中取得了良好的应用效果满足了多种不同应用的位置服务需求.然而在室内火灾现场救援过程中火灾和建筑物坍塌对于上述被动定位设备极大可能造成损坏导致定位系统无法继续正常工作不能为消防救援人员提供准确的位置信息.相比于外置信源定位技术天然信源室内定位技术主要是通过人员或者设备佩戴或者安装相关装备利用某些与位置相关的天然信源之间的映射关系以获得自身位置信息的定位技术.目前应用较多的天然信源室内技术主要包括视觉同步定位与地图构建技术定位Simultaneous Localization And Mapping SLAM 9-10 ㊁激光SLAM 定位 11-12 和惯性定位 13-14 .视觉SLAM技术利用相机获取环境信息并将场景信息投影成为二维图像利用计算机视觉技术提取二维图像的视觉特征初始化导航系统通过帧与帧之间的几何约束关系推算获得当前帧的位置.在由地震㊁海啸等灾害引起的房屋塌陷等应急救援场景中视觉SLAM技术可以获得较好的应用效果但是对于室内火灾救援环境由于浓烟㊁浓雾的影响基于视觉SLAM获取位置信息的效果将受到较大的影响.与之相比激光SLAM技术利用激光雷达设备对作业环境进行扫描通过进行点云匹配实现高精度定位并获得二维或者三维的空间地图激光雷达对于周围环境的探测基本不会受到光照变化和尺度的影响可以实现对于周围大框架结构环境的成像.但是激光雷达不利于处理激进的移动或重复的结构容易出现失效情况因此单独使用激光SLAM对于消防救援人员室内作业定位鲁棒性不强.随着微机电技术Micro-Electro-Mechanical Systems MEMS 的发展惯性测量单元Inertial Measurement Unit IMU 的尺寸可以大幅度较小从而满足可穿戴化室内定位的需求IMU可以输出加速度㊁角速度等信息一般通过二次积分获得速度㊁位置㊁航向或者根据步长模型计算得到步长进而推算下时刻位置.经实验测试与消防救援人员反馈佩戴小尺寸的IMU装备方便灵活对于救援作业不会产生额外的负担.对于佩戴人员IMU可以满足平稳步行室内定位的需求但是在室内复杂火场环境救援过程中采用不同姿态㊁不同步速完成搜救任务时将会产生较为严重的惯性导航累计误差.对于IMU室内定位导航误差目前主要可以采用IMU自身信号处理和多模态感知信息融合两种补偿与校正方案.前者主要是采用姿态识别 15 ㊁零速修正 16 等技术对于IMU输出的信息进行进一步的分析与处理根据不同应用场景设计相应的处理机制实现对于定位误差的补偿与校正保障实时定位精度.后者则是采用多IMU或者IMU与其他定位技术进行组合实现感知信息融合提高定位信息输出的准确性例如基于IMU与Wi-Fi 或UWB定位技术的信息融合定位方案可以有效发挥外置信源定位和天然信源定位各自的优势但是如上文所述外置信源定位技术在室内火灾救援中应用存在较大的局限性.同时文献 17提出了采用SLAM辅助GPS定位提供双天然信源第3期刘智博等㊀一种消防救援人员室内作业定位系统的设计223㊀信息融合定位方案文献 18提出采用SLAM和IMU两种室内天然信源定位系统进行信息融合实现对于煤矿井下移动机器人的定位服务结合IMU与SLAM的优势并在矿井环境中取得了良好的定位效果.然而相对于机器人定位消防救援人员的运动姿态与活动规律会使IMU产生更大的累积误差如果仅采用SLAM进行融合信息校正仍会产生较大的定位误差.在室内消防救援中通常需要采用自身信号处理进行补偿与校正进而根据不同应用需求选择合适的辅助方式通过多模态感知信息融合补偿与校正方案实现对于IMU惯性导航性能的提升.因此本文将对基于IMU的消防救援人员室内作业定位系统进行论述针对多房间大型高层建筑火场环境救援给出了激光SLAM辅助IMU以提高位置服务精度的方案并对于其中采用的姿态识别和信息融合技术进行重点论述.2㊀定位系统总体与关键模块设计2.1㊀总体方案设计如图1所示定位系统由硬件系统㊁软件系统㊁管理平台部分构成硬件设备采用本实验室自研的小型化MEMS IMU器件和激光雷达基于IMU定位信息与采集系统㊁激光雷达三维建模系统实现对于初始位置信息的采集与处理并基于腕带个人数字助理Personal Digital Assistant PDA 应用系统为消防救援人员提供可视化位置服务.同时通过无线通讯技术可将消防救援人员位置信息回传至定位服务后方管理平台方便于指挥团队根据相关信息进行任务部署.其中足部捆绑式惯性导航模块和激光雷达辅助模块为实现多房间大型高层建筑火场消防救援人员定位的关键模块.2.2㊀关键模块设计通常情况下惯性导航模块通过传感器内部的加速度计与陀螺仪能够迅速捕捉到消防救援人员的运动状态.惯导系统的定位结果由多次积分获得运动误差与时间的三次方呈正比.因此系统中有必要对误差进行修正.随着零速修正技术在惯导系统中的应用导航定位精度提高了两个数量级有效降低了误差的累计.本系统采用足部绑定的方式固定惯性导航模块将IMU安装于足部利用本实验室研究的改进零速修正算法可大幅减小积分后的定位误差获得较高的定位精度 16 .根据不同场景与装备需求可以采用单足捆绑模式或者双足捆绑模式.图1㊀消防救援人员室内作业定位系统总体设计图Fig.1㊀Overall design of indoor rescue positioningsystem for firefighters㊀㊀与其他室内定位不同火场环境更加混乱复杂尤其是对于多房间大型建筑相关测试表明如果采用纯IMU定位方式很有可能在较小惯性定位误差的情况下由于房间结构的原因消防救援人员仍会出现进错门的情况未能进入目标房间.因此结合一线消防救援人员反馈意见与建议本研究借助激光雷达辅助惯性导航获取火灾房屋内各房间的准确绝对位置降低误入房间的可能性并且可以利用房屋的结构特性有效校正IMU在定位过程中积累误差.在激光雷达进行辅助过程中其主要作用在于通过对门窗等室内建筑中局部特征结构的识别获取局部的绝对结构.因此需要确定门窗的点云特征然后进行在线识别以辨识复杂火场环境中的门窗结果.对于门窗结构的识别可以采用深度学习的方法通过线下数据集标注根据相关的网络模型进行训练.但是由于火灾会对建筑物内结构产生一定的影响而火灾后的建筑环境激光雷达数据集相对不易获取因此针对严重火灾建筑物中的门窗结构识别需要采用迁移学习 19 的方224㊀燕山大学学报2023式进行研究.图2㊀激光雷达成像效果图Fig.2㊀LiDAR imaging rendering3㊀定位系统关键技术设计如上所述需采用姿态识别和信息融合技术对于IMU 惯性定位进行误差校正与补偿因此如何实现有效可靠的姿态识别和信息融合技术直接影响到整个定位系统的性能是消防救援人员室内作业定位系统中两大关键技术.本节中将对基于改进支持向量机 Support Vector Machine SVM方法的姿态分类与识别和基于卡尔曼滤波的信息融合算法进行论述.3.1㊀基于改进SVM 方法的姿态分类与识别消防救援人员在作业过程中的各种动作会为IMU 带来较多的累积误差.通过姿态识别分类对如快走㊁慢走㊁慢跑㊁快跑㊁上下楼㊁匍匐等姿态进行分类然后根据不同姿态识别进行位置信息解算输出则可以大幅度减少IMU 误差累积即可以通过提供物体实时方向估计来补偿这些误差提高估计方向的准确性.同时姿态识别也便于后台指挥人员实时掌握消防救援人员的工作状态.因此姿态分类与识别是实现消防救援人员室内作业精确定位的关键技术之一.姿态分类与识别算法的过程实质是将待识别的姿态序列与标注样本已知的序列进行匹配通过一定的判别算法和依据决定它所属的类别 20 .在姿态识别中可以基于IMU 加速度输出通过提取平均值㊁标准差㊁步频㊁四分位距㊁步速等时频域信息以表征姿态特征.特征姿态识别算法的准确性以及实用性与整个系统的设计有着密切的关系在本文系统设计中采用了SVM 类方法进行分类判别.传统SVM 是一种建立在统计机器学习基础上的在线监督学习线性分类器其算法通过构建凸优化问题获得全局最优解因此可以避免神经网络分类器㊁遗传算法分类器等其他机器学习分类器中存在的过度学习和陷入局部最优值等问题.但是在进行大规模非线性分类训练的情况下传统SVM 需通过核函数将样本从原始空间映射到一个更高维的特征空间以满足样本的线性可分由于映射函数无法显式表示将导致特征空间的维度无法控制甚至出现无穷维度提高了算法的时间复杂度.然而消防救援人员在火场救援作业中需要对于运动姿态进行快速识别以保证后续位置服务信息的实时性.同时消防救援人员经常会采用一些与日常运动姿态有差异的运动姿态以保证在复杂的火场环境中开展救援工作采用传统SVM 也会因为样本集封闭的原因导致鲁棒性较差进而产生一定的姿态识别偏差.因此传统SVM 并不适合直接应用于消防救援人员室内作业姿态分类与识别.针对上述问题本文采用了随机傅里叶特征变换通过找到合适的映射函数z 来近似原先的映射函数其表达式为 21z a i =2σ2d RF sin h T 1a i cos h T 1a i︙sin h Td RF /2a i cos h T d RF /2a i éëêêêêêêêêùûúúúúúúúú 1式中 a i 为d 维输入特征集A 中的数据 h u 为d ˑ1维服从高斯分布且相互独立的随机生成的矩阵其中u =1 2 d RF d RF 为随机傅里叶特征变换的维度 σ为核带宽 z a i 为a i 在输出特征集Z 中的映射.显然与原先的SVM 的映射函数相比 z 维度可控在新的特征空间中训练线性学习器平均时间复杂度将会有效降低在线识别速度可以大幅度降低.因此在本文设计的姿态识别算法中如图3所示首先在离线训练和在应用过程中基于式 1第3期刘智博等㊀一种消防救援人员室内作业定位系统的设计225㊀将姿态特征集进行随机傅里叶变换将特征数据转换至Z 域后进行训练与姿态识别.在训练过程中通过黄金分割线搜索与梯度下降方式对分类器权重W 与其分离间隔ρ进行寻优通过多次迭代学习最终生成姿态识别分类器.在实际应用过程中系统中采用了串行匹配的方式进行姿态识别基于单类SVM 模式实现对于姿态动作的判断实时输出姿态类型.在姿态配过程中为了进一步提高识别速率可以采用多臂老虎机框架 22 构建价值函数实现对于姿态匹配顺序进行实时排序进一步缩短串行搜索时间提高识别效率.图3㊀基于改进SVM 实现姿态识别计算流程Fig.3㊀Calculation flow chart of themodifiedSVM-based posture recognition3.2㊀基于卡尔曼滤波的信息融合算法本文主要针对多房间大型高层建筑火场环境救援进行分析在系统设计中采用激光SLAM 辅助IMU 基于多模态信息融合方式提高定位系统在辨识房间结构时的能力降低走错门的概率提高定位精度.信息融合技术是根据不同需求实现对于两多类信息的融合输出该输出决定了位置信息的最终结果多模态信息融合是实现消防救援人员室内作业精确定位的另一关键技术.目前卡尔曼滤波被广泛应用于多模态信息融合技术其原理可解释为基于贝叶斯定理通过状态方程与观测方程迭代实现的一种观测噪声去除方式即在信息融合算法中通过降低测量噪声以降低对于IMU 误差.常见的离散型卡尔曼滤波框架 23 由运动方程和观测方程组成其具体形式为X t =F t t -1X t -1+G t t -1W t -1Z t =H t X t +V t{2其中 X t 和X t -1分别为两个不同连续时刻的状态向量 Z t 为系统在t 时刻的观测向量 F t t -1是系统从t -1到t 时刻的状态转移矩阵 G t t -1为系统从t -1到t 时刻的噪声输入矩阵 H t 为系统在t 时刻的观测矩阵 W t -1和V t 分别为系统在t -1时刻的运动噪声和t 时刻的观测噪声两者假设为互不相关㊁均值为零的高斯随机白噪声.传统的卡尔曼滤波只适用于线性系统即如式 2 所示.t -1和t 时刻的状态向量之间以及t 时刻的状态向量与观测向量之间均呈线性关系.然而由于消防救援人员在火场中的采用IMU 进行位置解算时存在很大程度的非线性特性.因此本文在系统设计过程中采用了扩展卡尔曼滤波算法以实现非线性系统下的信息融合即将t 时刻的位置信息输出表示为X t =f X t -1 +W t -1Z t =h X t +V t{3式中 f 和h 分别表示t -1时刻状态和t 时刻的状态向量之间以及t 时刻的状态向量与观测向量之间非线性关系.本文中定位系统提供的位置信息包括位置㊁速度㊁欧拉角9维向量并采用直接式扩展卡尔曼滤波框架.在扩展卡尔曼滤波算法中利用泰勒展开将非线性关系转化为近似的线性化关系在实际应用中可利用雅可比矩阵以表示扩展卡尔曼滤波中参数的更新基于扩展226㊀燕山大学学报2023卡尔曼滤波的IMU与激光雷达输出信息融合定位信息获取可简述为如下步骤.步骤1 获得t时刻的状态向量的估计值X^t t-1预测方程表示为X^t t-1=f X t-1 4 式中f 根据IMU运动关系进行表征具体表征方式详见文献 24 .步骤2 获得t时刻预测系统误差协方差矩阵P^t t-1预测方程表示为P^t t-1=FP t-1F T+Q t5式中F为f 的雅可比矩阵Q t为系统噪声W t 的方差矩阵.步骤3 更新t时刻卡尔曼滤波增益矩阵K t 对应表达式为Kt=P^t H T HP^t H T+R t-1 6 其中H为激光雷达观测量Z t和状态向量X t间关系函数h 的雅可比矩阵R t为激光雷达观测误差方差矩阵.步骤4 更新t时刻状态向量X t对应的表达式为Xt=X^t+K t Z t-HX^t 7 其中在使用零速检测环节的情况下如果检测到消防救援人员处于静止状态则令Z vt=v x v y v z T=000T 8 式中Z v t表示激光雷达的速度观测子向量.步骤5 更新t时刻系统误差协方差矩阵对应表达式为Pt=1-K t H P^t1-K t H T+K t QK t. 9 4　应用测试及结果分析本文研究的消防救援人员室内作业定位系统在东北大学秦皇岛分校基础楼进行了相应的测试如图4所示.实验采用实验室自主开发的MEMS IMU 该IMU集成了三轴加速度计和三轴陀螺仪 16 捆绑于消防救援人员左足同时选用低成本RPLIDAR A1激光雷达进行辅助.如图5所示实验路线中由直线轨迹㊁弧形轨迹㊁直线往返轨迹㊁弧形闭合轨迹等组成并在期间进入3个独立房间由图中可以看出从运动开始到走出1号门之前在相对宽敞的环境下单独的IMU在复杂运动轨迹跟踪方面表现出了很好的性能.但是由于未使用激光雷达进行辅助在走出1号门后只使用IMU的提供轨迹信息便出现了与参考轨迹间的较大偏差.而对于激光雷达辅助IMU进行信息融合定位而言在初期激光雷达失效时并未对行动轨迹产生较大影响同时在激光雷达起效时通过激光雷达的辅助消防救援人员可以有效避免走错门现象的出现并且融合轨迹在依次进入3个房间后仍与参考轨迹基本重合体现出很好的定位精度.图4㊀实验场景图Fig.4㊀Experimentalscene图5㊀实验测试轨迹图Fig.5㊀Experimental test trajectory㊀㊀从整体实验过程来看存在多种运动轨迹且需要进出房间的情况下单独IMU的整体运动绝对定位误差为1.2942m 相对定位误差为3.042%.与之相比激光雷达辅助IMU的整体运动绝对定位误差为0.222m 相对定位误差为0.522% 可以满足实际中的定位需求.第3期刘智博等㊀一种消防救援人员室内作业定位系统的设计227㊀5　结论本文设计了一种适用于室内火场救援的定位系统为消防求援人员与后台指挥人员提供准确的位置服务.重点针对多房间大型建筑救援场景采用改进SVM方法进行姿态识别结合卡尔曼滤波技术实现考虑零速检测的信息融合实现了激光雷达辅助IMU定位方案从而提高了多房间大型建筑中消防人员定位精度并有效降低救援人员走错门的概率.实验结果表明所设计的定位系统可以基本满足实际中的定位需求.在今后研究中本课题将对低复杂度的分布式多模态信息融合方法进行研究以实现多模态融合定位满足更多和更复杂室内火场救援场景实际应用需求并对其效果在消防救援演练中进行相关测试验证.参考文献1肖方.近10年全国发生居住场所火灾132.4万起造成11634人遇难6738人受伤直接财产损失77.7亿元 J .中国消防2022 2 10-11.XIAO F.Over the past10years there have been1 324 000 residential fires across the country resulting in11 634fatalities and6 738injuries.The direct property loss was RMB7.77billion J .China Fire 2022 2 10-11.2国家消防救援局.2021年消防接处警创新高扑救火灾74.5万起 EB/OL .2022-01-20 2022-12-16 .https //www.119. /gk/sjtj/2022/26442.shtml.National Fire and Rescue Administration.In2021 firefighting and emergency response reached a new high with745 000fires being put out EB/OL .2022-01-20 2022-12-16 .https //www. /gk/sjtj/2022/26442.shtml.3U.S.Fire Administration.Abandoned cold storage warehouse multi-firefighter fatality fire worcester USFA-TR-34 R . Emmitsburg U.S.Fire Administration 1999.4康茹.消防队员作业安全事故原因分析及对策研究 D .北京中国矿业大学2018.KANG R.Study on the causes and countermeasures of fire-fightersᶄoperation safety accidents D .Beijing China University of Mining&Technology 2018.5邓中亮尹露唐诗浩等.室内定位关键技术综述 J .导航定位与授时2018 5 3 14-23.DENG Z L YIN L TANG S H et al.A survey of key technology for indoor positioning J .Navigation Positioning and Timing 2018 5 3 14-23. 6YIN Z JIANG X YANG Z et al.WUB-IP a high-precision UWB positioning scheme for indoor multiuser applications J . IEEE Systems Journal 2019 13 1 279-288.7LIU X WEI X GUO L.DIMLOC enabling high-precision visible light localization under dimmable LEDs in smart buildings J . IEEE Internet of Things Journal 2019 6 2 3912-3924.8WU D ZENG Y ZHANG F et al.WiFi CSI-based device-free sensing from Fresnel zone model to CSI-ratio model J .CCF Transactions on Pervasive Computing and Interaction 2022 4 1 88-102.9ZHOU Y GALLEGO G SHEN S.Event-based stereo visual odometry J .IEEE Transactions on Robotics 2021 375 1433-145010冯一博张小俊王金刚.适用于室内动态场景的视觉SLAM 算法研究 J .燕山大学学报2022 46 4 319-326. FENG Y B ZHANG X J WANG J G.Research on visual SLAM algorithm suitable for indoor dynamic scenes J .Journal of Yanshan University 2022 46 4 319-326.11ZHENG Y J XIE Z H LI Y G.Spatial vibration of rolling mills J .Journal of Materials Processing Technology 2013 2134 581-588.12WEN W HSU L T.AGPC-SLAM Absolute ground plane constrained3D LiDAR SLAM J .NAVIGATION Journal of the Institute of Navigation 2022 69 3 527.13FOXLIN E.Pedestrian tracking with shoe-mounted inertial sensors J .IEEE Computer Graphics and Applications 2005 25 6 38-46.14BAI N TIAN Y LIU Y et al.A high-precision and low-cost IMU-based indoor pedestrian positioning technique J .IEEE Sensors Journal 2020 20 12 6716-6726.15YANG S XING L LIU W et al.Robust navigation method for wearable human-machine interaction system based on deep learning J .IEEE Sensors Journal 2020 20 24 14950-14957. 16季晓伟崔建民冯立辉等.运动轨迹对行人导航定位误差的影响 J .自动化与仪器仪表2022 5 6-10.JI X W CUI J M FENG L H et al.Effect of motion trajectory on positioning error of pedestrian navigation J .Automation& Instrumentation 2022 5 6-10.17KISS-IllÉS D BARRADO C SALAMÍE.GPS-SLAM an augmentation of the ORB-SLAM algorithm J .Sensors 2019 19 22 4973.18杨林马宏伟王岩.基于激光惯性融合的煤矿井下移动机器人SLAM算法 J .煤炭学报2022 47 9 3523-3534. YANG L MA H W WANG Y.LiDAR-inertial SLAM for mobile robot in underground coal mine J .Journal of China Coal Society 2022 47 9 3523-3534.19HE H KHOSHELHAM K FRASER C.A multiclass TrAdaBoost transfer learning algorithm for the classification of mobile LiDAR data J .ISPRS Journal of Photogrammetry and Remote Sensing。

火场消防员自主定位系统的设计

火场消防员自主定位系统的设计
张岩松，梁步阁，赵党军。杨德贵，张伟军（１．中南大学航空航天学院，湖南长沙４１００７５０）
摘要：探讨多传感器的室内自主定位技术的工作原理和系统组成。用于火场救援的多传感器自主定位系统，能够实现实时高精度的火场救援人员自主定位要求，为火场外指挥员的作战指挥和火场内消防战士的安全提供保障。实验表明，与传统的一些室内导航技术相比，系统更加稳定，适应性强，成本低，精度高。
此项目的总体技术方案如图１所示。整个系统主要分为鞋载自主定位传感器、臂挂式ＵＷＢ定位单元、ＵＷＢ定位基站、后端指挥平台四大单元。
在自主导航状态下，鞋载自主定位传感器依靠Ａｒ— ｄｕｉｎｏ控制器对加速度计、陀螺仪、磁力计和气压计、温度计两个微型传感器芯片所感应数据进行读取，并无线上传至臂挂式ＵＷＢ定位单元。臂挂式ＵＷＢ定位单元再对这些数据进行分析处理，得出当前消防员运动状态以及所在位置相对坐标并进行临时存储。当搜索到任何一个ＵＷＢ定位基站信号后，臂挂式ＵＷＢ定位单元利用ＵＷＢ雷达收发模块迅速实现对当前消防员所在位置坐标的标定和修正，并将该数据上传至该ＵＷＢ定位基站。ＵＷＢ定位基站利用ＩＡＮ网线或以ｗＩＦＩ无线方式将当前消防员所在位置信息回传至后端指挥平台。这时，后端指挥平台利用各个消防员回传的准实时信息对当前情况进行综合判断，并作出最佳决策，利用ＬＡＮ网线或以ＷＩＦＩ无线方式将最新指令下发给ＵＷＢ定位基站。ＵＷＢ定位基站之间信息和指令共享，当该消防员仍处于本基站或下一次再进行任何一个基站工作范围内时，ＵＷＢ定位基站将最新的指挥指令及时下发给消防员臂挂式ＵＷＢ定位单元。消防员获得指令作出相应正确的

基于移动传感器的室内定位系统研究与设计

基于移动传感器的室内定位系统研究与设计移动传感器技术在室内定位系统的研究和设计中具有重要的作用。

室内定位系统是指利用各种技术手段来确定在室内环境下的准确位置和方向信息的系统。

传统的全球定位系统（GPS）在室内应用上受到信号衰减和多径效应的限制，因此室内定位系统需要采用其他技术来实现高精度的定位。

移动传感器是室内定位系统中常见的组成部分，包括加速度计、陀螺仪、磁力计和环境传感器等。

通过对这些传感器数据的采集和处理，可以实现对移动设备在室内位置的准确定位。

首先，加速度计是一种能够测量物体加速度的传感器。

在室内定位系统中，我们可以利用加速度计感知用户在移动设备上的加速度变化，并结合时间和初速度信息，通过积分计算出移动设备的位置和速度。

加速度计的精度和采样率对定位精度有重要影响，因此在设计中需要考虑到这些因素。

其次，陀螺仪是用于测量设备角速度的传感器。

通过感知设备的旋转，陀螺仪可以帮助确定设备的方向和角度。

在室内定位系统中，通过结合陀螺仪和加速度计的数据，可以实现设备的方向和姿态估计。

但是，陀螺仪存在漂移问题，需要通过其他传感器数据或者滤波算法进行校正。

此外，磁力计是一种用于测量磁场强度和方向的传感器。

磁力计可以辅助确定设备的方向信息，尤其在室内环境下，对于没有太多金属干扰的场景，磁力计可以提供较好的定位精度。

然而，在金属较多的环境下，磁力计的测量结果可能会受到干扰，需要通过滤波算法进行去噪。

最后，环境传感器是一种用于感知室内环境参数的传感器，包括温度传感器、湿度传感器等。

通过监测室内环境的变化，可在定位系统中提供更加准确和全面的信息。

例如，在室内定位系统中，温度传感器可以辅助判断设备所处的房间，湿度传感器可以用于检测室内环境的湿度变化，以实现更精确的定位。

综上所述，基于移动传感器的室内定位系统的研究和设计是一个复杂而有挑战性的任务。

通过合理选择和利用移动传感器，结合适当的算法和模型，可以实现在室内环境下的精确定位。

科技成果——消防救援室内自主定位系统

科技成果——消防救援室内自主定位系统成果简介消防员室内定位技术是消防灭火救援工作中保障消防员进出火场的安全，确定消防员在火场中的位置，保证对火场中遇险消防员的有效施救，保证指挥员与火场中消防员的有效运动监视和语音通讯的重要保障手段。

公安部在2013年发布的“消防员个人防护装备配备标准”（GA621-2013）中、“消防特勤队（站）装备配备标准”（GA622-2013），明确规定了“消防员单兵定位装置”作为消防员单兵随身携带类装备的配备标准，描述其主要用途和性能为：实时标定和传输消防员在灾害现场的位置和运动轨迹。

该系统由鞋垫式定位传感器、手机数据处理终端、无线发射终端、无线接收终端和人员定位三维监控平台五大部分组成。

其中鞋垫式定位传感器、手机数据处理终端和无线发射终端配备于单人随身携带，无线接收终端和人员定位三维监控平台为后台运行，供指挥调度人员使用。

可满足各类消防救援活动的自主定位需要。

主要技术指标（1）水平位置精度：1km内累计误差小于3%，特征点可校准。

（2）垂直位置精度：<1.5米。

（3）人员姿态监控：能实现静止、卧倒、行走、跑步等姿态监控。

（4）监控平台软件功能：具有三维轨迹展示功能，二维轨迹展示功能，具有户型设计功能，具有轨迹回放功能，具有人员卧倒以及长时间静止的报警功能，具有人员管理功能，能实时监控人员行走总距离、距出发位置的距离、人员的姿态、当前高度、定位传感器终端电量信息等。

（5）无线通讯参数：点对点通讯达到4公里以上，无线信号垂直覆盖达到200米以上，点对点信号穿透能力达到5堵墙以上，无线传输模块功耗低于2W。

（6）数据传输延迟：单点通讯延迟低于500ms。

（7）抗干扰能力：位置和方向不受强磁环境干扰，原地踏步位置无偏差，直线原路来回折返轨迹无偏向。

技术特点（1）鞋垫式定位传感器可整体装配于使用者的鞋垫，采用蓄电池供电。

内部主要装置为加速度传感器、陀螺传感器等，通过低功耗蓝牙传输到手机数据处理终端。

基于传感器的消防员体征监测系统设计

基于传感器的消防员体征监测系统设计作者：卜宇来源：《信息安全与技术》2016年第02期【摘要】消防员经常需要工作在高风险的环境中，面临像高温，有毒气体，火焰，爆炸和体力耗尽等危险。

在这种情况下，能够实时地监测和分析他们的生理健康状况就变得非常重要。

能够将这些信息传递到火灾现场指挥车也将对消防员的生命健康安全起到至关重要的作用。

为此，论文提出了一种可穿戴式的智能消防服，能够根据嵌入式生理传感器通过无线网络传回的数据评估消防员的生理健康状态。

这套系统也能通过收集火场中的环境信息，比如空气温度、二氧化碳（有毒气体）浓度，来预测火场中的消防员所面临的危险程度并提前预警。

【关键词】消防安全；可穿戴设备；无线传感网；生理监测【 Abstract 】 Since firefighters usually work in high risky working conditions， like high temperature， toxic gases， flames， explosion or collapse. It is extremely important to monitor their physiological states by analyzing in real time the firefighter’s information on their health states. Moreover，it is certain that transmitting the firefighter’s physiological information to the fire information center by wireless net work is an important task for ensuring firefighter’s safety. For this purpose， we propose a wearable intelligent system，which is embedded intothe firefighter’s garments， permitting to estimate the physiological state of firefighters according to the data from the embedded physiological sensors and transmit the relevant information to the command center by wireless network. The system can also collect environmental information，like air temperature，CO2 （smoke level）， in order to evaluate the gravity of the risk scenario and send predicted warning messages in advance.【 Keywords 】 firefightingsafety； wearable system； wireless sensor network；physiological monitoring1 引言当下，随着火灾的规模和发生频率逐年增长，越来越多的消防员由于来不及从火场中撤出牺牲了宝贵的生命。

室内定位技术对消防救援的应用研究

室内定位技术对消防救援的应用研究随着城市化进程不断推进，大量人口聚集在城市的建筑物内部，尤其是高层建筑或地下空间。

因此，室内消防救援越来越成为一项重要的任务。

然而，在室内环境下进行救援工作面临着许多挑战，其中最主要的问题之一就是定位。

为了解决这个问题，室内定位技术应运而生。

本文将研究室内定位技术在消防救援中的应用及其意义。

一、室内定位技术的概述与分类1.1 室内定位技术的概述室内定位技术是指在封闭建筑环境中，基于无线通信、传感器等技术手段，通过对目标进行定位和跟踪，以获取目标在室内场景的准确位置信息。

室内定位技术的应用范围广泛，包括商场导航、物流管理、智能家居等领域。

对于消防救援来说，室内定位技术尤为重要。

1.2 室内定位技术的分类根据定位原理和方法的不同，室内定位技术可以分成无线定位、传感器定位和图像定位。

无线定位技术包括蓝牙、Wi-Fi、超宽带等技术，通过信号强度、到达时间差等信息进行定位。

传感器定位技术包括惯性导航系统、加速度计等，利用传感器采集的数据进行定位。

图像定位技术则是通过摄像头捕捉目标图像，并通过图像处理技术进行定位。

二、室内定位技术在消防救援中的应用2.1 定位受困人员在火灾事故中，受困人员的位置是救援行动中最重要的信息之一。

室内定位技术可以通过在建筑物内部安装无线设备或传感器，实时监测人员位置，为救援人员提供精确的位置信息。

救援人员可以根据这些信息快速找到被困人员，并提供及时有效的救援。

2.2 路线规划和导航在火灾事故中，烟雾和火焰会使室内环境变得混乱和危险。

室内定位技术可以帮助指挥部和救援人员规划最安全的逃生路径，并提供实时导航指引。

通过与建筑物平面图的结合，室内定位技术可以迅速确定逃生路线，减少救援人员在复杂环境中的迷失和耽误。

2.3 灾情监测和预警在火灾事故中，火势的扩展速度和范围都是非常重要的信息。

室内定位技术可以通过对传感器的使用和数据分析，准确监测火势的扩散情况，并进行预测。

消防员运动状态监测与预警装置的设计与实现

消防员运动状态监测与预警装置的设计与实现一、引言消防员是保护公共安全的重要力量，他们在灾害现场承担着危险的任务。

然而，在高温、高压、有毒有害气体等极端环境下，消防员的身体状况容易受到影响，甚至会出现突发状况。

因此，对于消防员的运动状态进行实时监测和预警显得尤为重要。

本文将介绍一种基于传感器技术的消防员运动状态监测与预警装置的设计与实现。

二、设计方案1. 系统架构该系统由传感器模块、数据采集模块、数据处理模块和预警模块组成。

传感器模块负责采集消防员的运动状态信息，包括心率、呼吸频率、体温、血氧饱和度等；数据采集模块将传感器模块采集到的数据进行处理，并通过蓝牙或Wi-Fi等方式上传至云端；数据处理模块对上传到云端的数据进行分析处理，并生成相应报告；预警模块则根据数据处理模块生成的报告进行实时预警。

2. 传感器选择为了能够准确地监测消防员的运动状态，需要选择适合的传感器。

常见的传感器有心率传感器、呼吸频率传感器、体温传感器和血氧饱和度传感器等。

这些传感器可以通过蓝牙或Wi-Fi等方式与数据采集模块进行连接，实现数据的实时上传。

3. 数据采集模块数据采集模块是整个系统中最关键的部分之一，它负责将传感器模块采集到的数据进行处理，并通过蓝牙或Wi-Fi等方式上传至云端。

为了保证数据的准确性和稳定性，需要选择高品质的芯片和电路板，并对其进行精细设计。

4. 数据处理模块数据处理模块是整个系统中最复杂的部分之一，它负责对上传到云端的数据进行分析处理，并生成相应报告。

为了提高数据处理效率和准确性，需要使用高性能的服务器并编写高效稳定的算法。

5. 预警模块预警模块是整个系统中最重要的部分之一，它根据数据处理模块生成的报告进行实时预警。

预警方式可以通过声音、震动或灯光等形式进行提示。

三、实现步骤1. 选择合适的传感器并进行连接根据设计方案中的要求，选择适合的传感器，并将其与数据采集模块进行连接，确保数据的准确性和稳定性。

基于视觉与加速度传感器融合的室内定位技术研究

基于视觉与加速度传感器融合的室内定位技术研究近年来，随着人们对室内定位技术的需求不断增加，基于视觉与加速度传感器融合的室内定位技术成为研究的热点之一。

这种技术结合了视觉传感器和加速度传感器的优势，能够在室内环境中实现高精度的定位和导航。

首先，视觉传感器是室内定位的重要组成部分。

通过摄像头等设备采集室内环境的图像信息，可以获取到丰富的视觉特征。

利用图像处理和计算机视觉算法，可以实现对人体、物体和环境的感知与识别，进而实现室内定位。

视觉传感器可以提供高分辨率的图像信息，能够有效地识别和跟踪目标，是室内定位技术中不可或缺的一部分。

其次，加速度传感器是实现室内定位的另一个关键技术。

通过感知物体的加速度变化，可以计算出物体的位置和运动轨迹。

在室内环境中，加速度传感器可以检测到人体或物体的运动状态，从而实现定位和导航。

与视觉传感器相比，加速度传感器不受光线和环境条件的限制，能够在各种复杂的室内环境中工作，具有较高的可靠性和稳定性。

基于视觉与加速度传感器融合的室内定位技术可以充分利用两种传感器的优势，提高定位的准确性和可靠性。

通过将两种传感器的数据进行融合和处理，可以实现更精确的室内位置估计和导航。

例如，通过对图像中的特征点进行跟踪，并结合加速度传感器获取的运动信息，可以实现对人体位置的精确定位。

同时，利用两种传感器的数据相互校准和补偿，可以减小误差，提高定位的稳定性和精度。

然而，基于视觉与加速度传感器融合的室内定位技术仍然面临一些挑战。

例如，室内环境的复杂性和变化性会对定位的精度和鲁棒性产生影响。

此外，传感器的精度、采样率和数据处理算法的设计也会影响定位的准确性和实时性。

因此，未来的研究需要进一步优化传感器的性能和算法的设计，以提高基于视觉与加速度传感器融合的室内定位技术的性能。

综上所述，基于视觉与加速度传感器融合的室内定位技术具有重要的研究意义和应用价值。

通过充分利用两种传感器的优势，可以实现高精度的室内定位和导航，为人们提供更便捷和准确的室内定位服务。

消防员生命体征监测系统设计与实现

静止姿态、活动度等生命体征的采集。使用时由消防员
佩戴于胸部，采集的数据通过蓝牙与信息采集传输装置
的生命监测装备在消防部队广泛使用。笔者综合现有的传感器技术、嵌入式技术和网络通信技术，设计了一种消防员生命体征监测系统。通过该系统，消防指挥中心可以实时监测消防员心率、呼吸频率、体表温度、身体姿态和运动状态，并可及时对异常状态进行报警。该系统具有便携性好、实用性强、稳定性高等特点，为指挥中心确保消防员人身安全、做出合理决策
近年来，我国重特大火灾和其他各类灾害事故时有发生，灾害规模不断扩大，消防官兵在深入灾害事故现场
执行侦察和搜救任务时，由于过度疲劳、体力不支或身处险境等因素而不能及时自主撤离灾害事故现场，致使其人身安全受到极大威胁。消防部队在敢于进攻、善于内攻、确保人民群众生命财产安全的同时，首先要最大限度
策支撑。
消防员生命体征监测系统由生命体征信息采集终端和监控指挥中心两部分组成。采集终端由消防员随身配
备，负责各项生命体征参数的采集和上传；监控指挥中心

基于加速度传感器的室内消防员定位系统设计

基于加速度传感器的室内消防员定位系统设计居艳;骆懿;沈佳辉【摘要】采用MPU-9250九轴运动传感器、MSP430f5529微控制器和ZigBee 技术,设计了基于惯性导航的室内消防员定位系统.根据采集到的三轴加速度和陀螺仪信息,通过步伐检测、方向判断及人员状态判定,实现了消防员的精确定位.将采集数据汇总到数据采集系统中,测试结果显示步数误差在3％以内,实现了对消防员的运动轨迹的粗略跟踪,具有一定的实际应用价值.【期刊名称】《杭州电子科技大学学报》【年(卷),期】2017(037)003【总页数】6页(P35-39,50)【关键词】九轴运动传感器;微控制器;ZigBee;惯性导航【作者】居艳;骆懿;沈佳辉【作者单位】杭州电子科技大学通信工程学院,浙江杭州310018;杭州电子科技大学通信工程学院,浙江杭州310018;杭州电子科技大学通信工程学院,浙江杭州310018【正文语种】中文【中图分类】TP212.9火灾现场危险性大，消防员的人身安全在救援过程中受到极大威胁，因此迫切需要一种定位系统对其行径路线进行实时定位和跟踪.目前常用的定位方式主要有全球定位系统[1](Global Positioning System, GPS)、基站定位[2](Location BasedService, LSB)、北斗定位等.在室外开阔环境下，这些定位方式的精度较高，但是，在室内或有遮蔽物的环境下，由于信号被大幅度削弱[3]，不能进行有效定位.惯性定位是一种适用范围较广的独立定位方式[4]，其原理是以牛顿力学为基础，通过惯性测量单元(Inertial measurement unit，IMU)测量运动的实时加速度与角速度，再经积分获得移动节点的位置[5-6]及运动信息.本文提出的惯性定位采用MPU-9250复合芯片[7](MCM)，该芯片内部包括三轴加速度传感器、三轴陀螺仪传感器以及AK8963三轴磁力计传感器.将MPU-9250九轴运动传感器、MSP430f5529微控制器和ZigBee技术结合，设计并搭建了基于惯性定位方式[8-9]的消防员室内定位系统，并通过测量实验对定位系统进行了性能分析.1.1 定位系统设计消防员室内定位系统主要由两部分组成，其整体结构图如图1所示.第一部分为随身携带的消防员定位装置，由MPU-9250模块、MSP430f5529主控模块、ZigBee数据传输模块[10]组成.以上模块都是低功耗模块，在外接1 000 mAh移动电源的情况下，支持长时间的定位.第二部分为消防员监控中心，由ZigBee数据收集节点以及一台PC机构成.能够实时接收定位装置传输过来的数据包并对其进行数据解析，将被定位的消防员的位置状态实时显示在PC机上.第一部分与第二部分之间采用ZigBee无线网络连接，利用ZigBee无线传输模块传输中间数据，在空旷环境下传输距离最远可达400 m，有利于跟踪装置对消防员进行远距离的监控.1.2 消防员运动模型消防员运动模型如图2所示.首先建立空间坐标系，假设消防员的前进方向为Y轴，与Y轴垂直的为X轴与Z轴，其中Z轴正方向为垂直向下.消防员在行走时会产生3个方向上的分量加速度：前向分量(Y轴)，侧向分量(X轴)以及垂直分量(Z轴).而MPU-9250九轴运动跟踪芯片中包含了三轴的加速度传感器，与消防员的3个运动方向相对应.消防员在行走时，垂直方向加速度会有周期性的变化，从抬脚至最高点再到落地是一个完整步伐，期间加速度经历逐渐变大至波峰再到波谷的变化过程.因此可以通过探测加速度的变化来监测消防员的行走步伐.1.3 数据包传输主控芯片MSP430f5529通过I2C语句读取MPU-9250中的温度寄存器、加速度寄存器和陀螺仪寄存器中的值，并将其存入数组中.后将存入数组的数据写入串口缓冲区，通过串口发送至ZigBee无线传输模块.数据包中传输的数据包括16位的温度、每个方向16位的加速度和陀螺仪的量化值，量化误差较小.2.1 步伐检测当消防员处于行走状态时会产生3个方向的加速度值，行走中任何时刻手持定位装置，总会有至少一个方向轴具有相对较大的周期性加速度变化[11]，因此进行峰值检测是至关重要的.步伐检测方法的主要流程图如图3所示，首先进行三轴峰值检测，选择出波动最大的轴默认为垂直运动的轴，然后进行局部最大值寻找.为去除行走及跑步之外的情况下产生迅速或缓慢的振动干扰(滤除不必要的高频噪声)，选取一个预定阈值.通过与阈值的比较来判断是正常行走还是静止状态下产生的细微抖动，如果大于设定阈值则每检测到一个波峰，步数值便加1.2.2 方向判断为实现精确定位，除进行步伐检测外还需要实时获取消防员的方向信息.本系统中通过Z轴陀螺仪的数据变化来判断其是处于顺时针旋转状态还是逆时针旋转状态.具体流程如图4所示，首先初始化方向角，对采集到的陀螺仪数据进行分析以此来判断旋转方向.为了去除正常细微抖动导致产生错误判断的情况，需连续进行多次采样进行旋转特征的判断，最后对数据进行处理将其转换成旋转角度.根据MPU-9250芯片手册可得：当FS_SEL=0时，陀螺仪的灵敏度为131LSB/((°)/s).若收到的实时陀螺仪数据设为x，4次采集的数据分别为x1，x2，x3和x4，求得当前方向角：其中，ω为当前方向角，Δt为采样时间间隔，每次的累计旋转角度对圆周取余后便为当前角度值.2.3 运动状态判断本系统不仅可对消防员进行定位，还可以根据三轴加速度的信息来对消防员所处运动状态进行实时判断，具体方法流程如图5所示.首先获取Y轴数据，根据Y轴加速度判断消防员此时处于卧倒状态还是直立状态.若处于直立状态，根据Z轴加速度大小来区分其处于正常行走状态还是处于奔跑状态；若处于卧倒状态下，通过对Z轴的波动情况多次采样来判断消防员是卧倒匍匐还是受伤晕倒，若受伤晕倒，则需要对其立即实施营救.PC端监控平台采用LabVIEW软件编写，程序为框图形式.整个监控界面的布局如图6所示，其功能主要包括：串口配置以及数据收发(左上)、加速度信息显示(右上)、陀螺仪信息显示(右下)和定位轨迹图(左下).采集三轴的加速度数据如图7所示，静止状态下X轴与Y轴几乎为0，Z轴为一个重力加速，设置灵敏度参数AFS_SEL=0时，最大量程为4个重力加速度即4g，每16 384单位为1g，因此Z轴的量化数据在16 384附近波动.在正常行走状态和跑步状态下三轴加速度都有规律波动，其中Z轴波动最明显，并且在跑步状态下波动更为剧烈.图8为消防员所处监测状态说明，从左至右分别包括了4种状态，根据当前加速度信息并结合2.3中的状态归类方法可推算出当前的状态信息，在相应的状态下指示灯会开启.采用步伐检测方法对加速度数据进行处理,多次实验后的计步结果与前进距离的数据汇总如表1所示，每次实验步数为100步.表1中可以看出，测量装置的计步误差都在3%以内.为将前进步数转换为消防员的前进距离,需对消防员步伐长度进行预校准,因此实验中需记录每次实验的前进步数,并根据以下公式进行换算：其中，S为前进距离，s为平均步长,需根据佩戴者校准，n为步伐数.根据实验总结，本测量装置中s取值为67.0 cm.为测试状态显示的准确性，模拟消防员的4种运动状态进行实验，每种运动状态测试20次，得出的精度如表2所示.实验结果表明，除偶尔会出现正常行走和奔跑之间的判断失误，其他情况下基本能够准确判断出测试者所处运动状态.图9为定位测试实际效果，图9中，实线为测试者实际运动轨迹，虚点线为定位轨迹，其中点为落脚点.从测试结果可知，在运动中由于步伐长度的估计误差以及角度的累计误差会导致定位偏移，但是总体能够粗略判断出测试者的位置信息. 本文研究并实现了消防员室内定位系统，对消防员定位信息数据进行采集、传输和处理，利用3种状态判断方法对消防员的位置、方向和运动状态进行判断，将消防员的状态信息实时传输到监控系统.本文仅在理论上证明了本装置可行性，但在消防员救灾过程中各种具体场景中的实际应用仍需进一步的探讨和实践.后期需对装置的硬件方面进行优化，以增强装置的耐用性和便携性，从而更好地适应消防救灾场景.【相关文献】[1]ELLIOTT D K. GPS原理与应用[M].寇艳红,译.北京:电子工业出版社,2007:347-348.[2]HUANG L H, SHR K T, LIN M H, et al. A Noise-Robust Convex-Optimized Positioning System Based on Code-Aided RSS Estimation and Virtual Base Station Transform[J]. Journal of Signal Processing Systems, 2016,84(3):309-323.[3]BERBAKOV L, PAVKOVIC B, VRANE S. Smart Indoor Positioning System for SituationAwareness in Emergency Situations[C]//26th International Workshop on Database and Expert Systems Applications (DEXA). IEEE, 2015:139-143.[4]YANG F, LU J L, THEOLEYRE F, et al. Dynamic active area clustering with inertial information for fingerprinting based indoor localization systems[C]//IFIP Networking Conference (IFIP Networking), 2015. IEEE, 2015:1-9.[5]HARLE R. A survey of indoor inertial positioning systems for pedestrians[J]. IEEE Communications Surveys & Tutorials, 2013,15(3):1281-1293.[6]GOYAL P, RIBEIRO V J, SARAN H, et al. Strap-down Pedestrian Dead-Reckoning system[C]//International Conference on Indoor Positioning and Indoor Navigation. 2011:1-7.[7]刘春阳,徐军领,程洪涛,等.MPU9250传感器的姿态检测与数据融合[J].河南科技大学学报(自然科学版),2015,36(4):14-17.[8]王巍.惯性技术研究现状及发展趋势[J].自动化学报,2013,39(6):723-729.[9]张金亮,秦永元,梅春波.基于MEMS惯性技术的鞋式个人导航系统[J].中国惯性技术学报,2011,19(3):253-256.[10]贾朱红,张晓冬.基于I2C总线的单主多从单片机之间的通信[J].微计算机信息,2009,25(3):101-102.[11]周红进,许江宁,覃方君.一种新的基于加速度计的无陀螺捷联惯性导航系统设计与实现[J].仪器仪表学报,2008,29(7):1499-1502.。

消防员体能预警系统硬件设计

消防员体能预警系统硬件设计目前我国消防服的研发比较落后，与发達国家的差距较大，消防服主要依赖进口。

随着我国高层和封闭式建筑的增多，导致消防救援难度加大，保证消防员人身安全和提升消防服的服用性能成为重中之重[1⁃3]。

基于此，本文设计实现了基于ZigBee的消防员智能体能预警系统。

该系统可以完成消防员所处火场环境和位置，以及消防员的人体关键生理信息的采集并通过无线方式传输到监测显示终端和智能手机。

生理信息采集节点由2节1.5 V充电电池供电，控制器与传感器以可穿戴为设计前提且均采用低功耗芯片，解决了节点续航问题。

利用该系统可对消防员的人身安全起到全方位监测作用，提升了人身安全系数与服用性能，在消防员工作效率与生命保障方面达到国际先进水平。

1 系统总体结构智能消防员的体能预警系统主要依据信息处理与无线传输技术，通过在消防服中嵌入传感器，感知火场环境、位置以及实时监测消防员体能状况，可使消防员最大程度地避免伤害发生[4⁃8]。

本系统由生理信息采集节点、路由节点、协调器节点、监测显示终端和智能手机五部分组成。

系统采用基于ZigBee的无线网络传输技术，设计了如图1所示的系统结构图，其中消防员1，消防员2，消防员3代表三个人体生理信息采集节点，实际应用中采集节点数量更多。

2 系统硬件设计与实现本系统硬件节点包括生理信息采集节点、路由节点和协调器节点。

其中路由节点和协调器节点的硬件核心都是生理信息采集节点去掉相关传感器后的ZigBee无线通信模块；软件实现方面也与生理信息采集节点相同。

下面重点讲述生理信息采集节点和协调器节点软硬件设计与实现。

2.1 生理信息采集节点设计本文设计的生理信息采集节点以TI单片机*****2553为控制核心，由温度检测模块、心率检测模块、一氧化碳浓度检测模块、摔倒检测模块、GPS定位模块组成，采集到的生理信息通过协调器节点传送数据到监测显示终端，最终由监测显示终端实时监测消防员的体能等状况。

基于生命体征监测与室内定位技术的消防员协助系统

基于生命体征监测与室内定位技术的消防员协助系统王圣哲，王博，高鸣远，罗亮(长春理工大学光电工程学院，吉林长春130000)摘要：现代科技发展带来高层建筑和复杂建筑结构增多，导致消防员很容易在火场内受到生命危险。

针对消防人员进入复杂火场后的生命体征状态及室内定位问题，提出了一套完整的协助系统。

提出使用LSTM神经网络预测消防人员的动作姿态，使用光电传感器监测消防员的心率血氧以及周边气体环境。

同时，提出了一种基于超宽带通信定位与高精度惯性元件导航进行数据融合的室内消防员定位手段。

最后，终端通过LoRa-170M无线系统上传给移动监测平台，利用LabVIEW软件完成了监测上位机，并通过实验验证了其可靠性及稳定程度。

关键词：消防救援；生命体征监测；室内定位；HTM神经网络；超宽带技术中图分类号：TN98；TH7文献标识码：A DOI:10.16157/j.issn.0258-799&200231中文引用格式：王圣哲，王博，高鸣远，等.基于生命体征监测与室内定位技术的消防员协助系统[J].电子技术应用，2020, 46(12)：72-77.英文弓I用格式：Wang Shengzhe,Wang Bo,Gao Mingyuan,et al.Aid system for firefighter based on vital signal detection and indoor location system[J].Application of Electronic Technique,2020,46(12)：72-77.Aid system for firefighter based on v让al signal detection and indoor location systemWang Shengzhe,Wang Bo,Gao Mingyuan,Luo Liang(School of Electro-Optical Engineering, Changchun University of Science and Technology ,Changchun130000,China)Abstract:Since the development of modem technology,the number of high buildings and complex structures keeps ascending, which leads to the vital hazard of firefighters.This paper proposes a complete aid system to duel with the issues on vital signal detection and indoor location for the firefighters.In this paper,LSTM Neural Network is employed to classified the attitude and movement of the firefighter,and particular photoelectric sensors are used to detect the heard rate,blood oxygen saturation and the gas surrounded.At the meantime,this paper proposes a indoor location system based on the data fusion of the Ultra-W ideBand location and the inertial navigation.Finally data above are transmitted via LoRa-170M Network to the monitoring platfbnn which is built up with the help of LabVIEW.At the end,experiments are designed to verify the ability and stability of the system.Key words:firefighting rescue；vital signal detection；indoor location system；LSTM neural network；Ultra-WideBand technology0引言据不完全统计，2006年~2016年，消防员灭火救援中发生伤亡事故90余起，造成消防员伤亡300余人，备受社会大众重视。

基于传感器的消防员体征监测系统设计

基于传感器的消防员体征监测系统设计
卜宇
【期刊名称】《信息安全与技术》
【年(卷),期】2016(007)002
【摘要】消防员经常需要工作在高风险的环境中,面临像高温,有毒气体,火焰,爆炸和体力耗尽等危险.在这种情况下,能够实时地监测和分析他们的生理健康状况就变得非常重要.能够将这些信息传递到火灾现场指挥车也将对消防员的生命健康安全起到至关重要的作用.为此,论文提出了一种可穿戴式的智能消防服,能够根据嵌入式生理传感器通过无线网络传回的数据评估消防员的生理健康状态.这套系统也能通过收集火场中的环境信息,比如空气温度、二氧化碳(有毒气体)浓度,来预测火场中的消防员所面临的危险程度并提前预警.
【总页数】3页(P46-48)
【作者】卜宇
【作者单位】江南大学物联网工程学院江苏无锡214122
【正文语种】中文
【相关文献】
1.基于加速度传感器的室内消防员定位系统设计 [J], 居艳;骆懿;沈佳辉
2.消防员生命体征监测系统设计与实现 [J], 杨树峰;隋虎林;李志刚
3.基于无线传感器网络的生猪体征和养殖环境监测系统设计 [J], 陈莉;钱同惠;张仕臻;章光旭
4.基于生命体征监测与室内定位技术的消防员协助系统 [J], 王圣哲;王博;高鸣远;
罗亮
5.基于无线传感网的消防员生命体征参数监测系统研究 [J], 邹鸣;鲍贤亮;陈年海;徐一凡;庄建军;宁新宝
因版权原因，仅展示原文概要，查看原文内容请购买。

基于传感技术的消防员安全守护系统的设计

基于传感技术的消防员安全守护系统的设计摘要：为保障深入火灾现场救援的消防人员的安全，设计了一种基于传感技术的消防员安全守护系统。

该设备能够对消防员生命体征和有害气体进行实时监测，并将消防员体征和有害气体浓度数据上传至系统查看与控制，检测数据超出预设阈值会向消防员与移动端发出预警信号。

通过在不同环境下的测试，该系统测量的温度、心率和有害气体浓度有很高精度，对有害气体浓度的变化灵敏很高。

关键词：生命体征与有害气体实时监测；单片机；传感器；1引言：世界各国的消防员每天都承受着远高于常人的风险，包括执勤训练造成的身体损伤，参加灭火救援时因爆炸、建筑物倒塌、交通事故等造成的意外伤害。

但目前我国对于消防员职业健康风险及保障的研究仍然较少，消防员的保障体系并不成熟。

随着我国现代化建设的蓬勃发展，传感技术发展迅速，在消防系统中传感器也有着重要地位本设计是基于物联网技术和无线通信技术，实现对灭火救援中的消防员身体体征和环境中有害气体浓度的监测，保障参加灭火救援任务的消防员安全。

2系统硬件设计基于传感技术的消防员安全守护系统以微处理器作为主控模块，传感器模块采集消防员生命体征和有毒气体数据。

主控模块将对传感器采集的数据进行分析处理，当监测到消防员心率、体温异常或有毒气体浓度超标时，启动蜂鸣器向消防员发出提醒并且向移动端发出警告。

系统硬件设计由三部分组成，传感器识别部分负责消防员心率、温度体征和有毒气体浓度实时监测；主控部分负责数据处理及供电；外设部分则负责报警、通信功能。

传感器模块采集的数据准确与否是基于传感技术的消防员安全守护系统能否可靠运行的关键所在。

DS18B20温度传感器模块是一款抗干扰能力强、精确度高的可编程数字温度传感器，用于检测消防员体温信息[1]；XL01心率传感器模块是由信号采集、放大和比较电路组成，用于检测消防员心率信息；MQ-2烟雾气敏传感器模块对液化气、天然气、城市煤气和烟雾有良好的敏感度，用于检测有毒气体的浓度[2]。

基于mems-marg传感器的消防员室内定位算法

方式进行步数检测。然后，通过对消防员的行走路线进行分类，设计了一种基于直线判断辅助的航向
反馈修正算法来提高定位精度，并将扩展卡尔曼滤波器融入到行人航迹推算算法中，用于估计消防员
的位置坐标。最后，分别按照矩形、三角形、半圆形轨迹，进行了 3 组实验。实验结果表明，与未使
用航向修正算法相比，位置误差减小了 45%以上，航向角和位置的均方根误差分别减小了 65%和 76%
E-mail：yanggang@
基于 MEMS-MARG 传感器的消防员室内定位算法
杨刚，李强，韩路，张鑫
（西安邮电大学通信与信息工程学院，西安 710121）
摘要：针对消防员在室内环境中进行灭火和救援时难以获知自身位置坐标的问题，采用 MEMS-MARG
传感器设计了一种室内定位算法。首先，根据加速度幅值波形使用峰值探测法和零点交叉法相结合的
常年以来，建筑物火灾事故频有发生，常需要消防员进入火场进行灭火和救援。火场环境烟雾弥漫，能见度低，消防员难以确定自己的具体位置，给灭火和救援带来了很大的困难。由于缺乏成熟的消防员室内定位系统，不仅影响了消防员的救援效率，也极大
威胁到消防员的生命安全，造成更大悲剧的发生。目前关于消防员室内定位算法的研究成果比较
Xi’an 710121, China)
Abstract: In order to solve the problem that it is difficult for firefighters to know their own position coordinates when performing fire extinguishing and rescuing in indoor environment, an indoor positioning algorithm is designed by using MEMS-MARG sensor. First, according to the acceleration amplitude waveform, the step number detection is carried out by the combination of peak detection method and zero crossing method. Then, a heading feedback correction algorithm based on by straight-line judgment assistance is designed to improve the positioning accuracy by classifying the firefighter’s walking routes, and an extended Kalman filter is fused into the pedestrian dead reckoning algorithm to estimate the position coordinates of the firefighters. Finally, three sets of experiments are carried out according to the rectangle, triangle and semicircle trajectories. Experimental results show that the position error is decreased by more than 45%, and the root mean squared (RMS) errors of heading angle and position are decreased by 65% and 76% respectively, which show that the proposed indoor positioning algorithm for firefighters has good positioning performance. Key words: firefighter positioning; heading feedback correction; extend Kalman filter; pedestrian dead reckoning