复杂环境下的井下人员定位算法及仿真研究

Research on Coal Mine Personal Location of Complex Coalmine Environment
DU Hua
（ College of Computer and Information Science，Zunyi Normal Collage，Zunyi Guizhou 563002 ，China） ABSTRACT： The traditional method can not achieve high location precise because coalmine environment is complex and has many noise and random error． In order to improve the location precise，this paper proposed a coal mine personal location based on improved RSSI． This algorithm can analysis and improve the measure principle of received signal strength indicator （ RSSI） to reduce the node location error，improve location precise，and realize actual time location monitor of the worker． The simulation results show that the proposed method has improved the precise of coal mine personnel location compared with the other location methods and it is suitable for coal mine personal location． KEYWORDS： Coal mine； Personal location； Wireless sensor network （ WSN ） ； Chaotic particle swarm optimization （ CPSO） algorithm 但因矿井环境十分复杂 ， 分布着大量的巷道， 巷道 精度较高， 呈现狭长的特点， 节点分布极不均匀， 无法保证信标节点的 高密度， 不能对煤矿井下人员进行精确定位 进行节点定位
— 172 —
对于式（ 6 ） 的求解是个非线性最优化问题 ， 如果用传统的数 学方法求解是很困难的 。而混沌粒子群算法 （ CPSO） 被人们 用来解决约束优化问题和整数规划问题 ， 因此采用 CPSO 对 y） 。 式（ 6 ） 进行求解， 得到待测节点的最优位置 （ x， 3． 3 3 ． 3. 1 混沌粒子群对井下人员定位问题求解 混沌粒子群算法 PSO 是一种模拟鸟群捕食行为 、 具有代表性的集群智能 ， 、 容易 方法 通过粒子之间信息交流 相互协作找到最优位置 ，
最小二乘法实现节点定位的原理如图 2 所示。
图2
最小二乘法的节点定位示意图
y1 ） ，p2 （ x2 ， y2 ） ， …， pk （ xk ， yk ） 设 k 个相邻锚节点 p1 （ x1 ， y） 的测量距离为： d1 ， d2 ， …， dk ， 到待测节点 D（ x， 即有：
图1 煤矿井下节点部分方式
［7 ］ ［6 ］
1
引言
我国煤矿资源丰富， 当前挖采装备水平低， 安全技术差， 然而煤矿井下环境复杂 ， 提高定位精度成为井下人员定位的 难点。传统井下人员定位系统无法对井下人员进行精确定 WSN ） 节点具 位。无线传感器网络 （ wireless sensor network， 有携带方 便， 容 易 安 装， 为煤矿井下人员定位提供了新的 ［1 ］ 工具 。 目前， 传感器定位技术根据定位时是否需要距离和角度 ［2 ， 3 ］ 。无需测距成本低， 信息， 可分为测距和免测距两类算法
由于单一算法存在各自不同程度缺陷 ， 因此采用单一定 。 位算法无法实现井下人员精确定位 为此本文通过 CPSO 对 RSSI 算法进行改进， 充分利用两种算法的优化点 ， 提高井 下人员定位精度。
{
（ x1 － x ） （ x2 － x ） （ x k － x）
2 2
+ （ y1 － y ） + （ y2 － y ） + （ y k － y）
求解过程中， 首先由式（ 5 ） 得到一个可行解区域， 而最优 解必定是属于可行解区域的 ， 如此便大大缩小了解空间 。 再 y） 取最小值时， 由式（ 6 ） 计算， 当 f（ x， 总误差最小， 此时的坐 y） 将为最优值。从式（ 5 ） 可知， f（ x， y） 的求解并不受限 标（ x ， 于其中某个方程， 即使存在某个锚节点的测距误差较大 ， 对 （ x ， y ） 。 于 的最终求解影响也不大 综合上所述， 节点定位问题可以转化成约束优化问题 。
第 29 卷
第 12 期
计
算
机
仿
真
2012 年 12 月
文章编号： 1006 － 9348 （ 2012 ） 12 － 0171 － 04
复杂环境下的井下人员定位算法及仿真研究
杜 华
（ 遵义师范学院计算机与信息科学学院， 贵州 遵义 563002 ） 摘要：研究井下人员准确定位问题 ， 矿井环境十分复杂， 受到大量噪声干扰， 传统方法难以实现精确定位。 为提高煤矿井下 人员定位精度， 将接收信号强度（ RSSI） 和混沌粒子群相算法结合， 提出了一种改进 RSSI 的井下人员定位方法。 算法首先 然后采用最小二乘法对井下人员位置进行估计， 并利用混沌粒子群对 根据接收信号强度初步确定井下人员与锚节点距离 ， 位置进行优化， 进一步提高了定位精确度 。结果表明， 相对其它定位算法， 改进 RSSI 算法提高了井下人员定位精度， 非常适 用于复杂环境下的井下人员定位 。 关键词：煤矿； 人员定位； 无线传感器网络 ； 混沌粒子群算法 中图分类号：TP393 文献标识码：B
2 x － x + y － y + d － d1 b= 。 2 2 2 2 2 x2 k － xk － 1 + yk － yk － 1 + dk － dk － 1
y ） 的 真 实 距 离 为 r1 ， r2 ， …， rn ， 设待测节 点 D （ x， 则有 ri － di ＜ εi ， 其中， ε i 为传感器测距误差范围 。 由式 （ 4 ） 可 y） 满足以下约束条件： 待测节点坐标（ x， 知，
收稿日期： 2012 － 07 － 18
修回日期： 2012 － 08 － 24
2
煤矿井下人员定位问题
在煤矿井传感器节点中 ， 将自身位置已知、 位置固定的
— 171 —
节点称为参考节点 （ 锚节点 ） ， 位置未知、 移动节点称为移动 ［9 ］ 节点（ 待测节点） 。锚节点一般采用 GPS 系统获得其位置 信息， 数量相当少， 锚节点一般部署于煤矿巷道两边 。 每一 个井下工作人员身上初装一个待测节点 ， 即可以通过确定待 节点位置就可以实现煤矿井下人员定位 ， 因此煤矿井下人员 具体为： 根据锚节点对 定位原理实际就是传感器节点定位 ， 未知传感器节点进行定位 ， 将收集的数据和位置通过网络发 ［10 ］ ， 传感 送到地面管理系统 从而井下人员状态和位置信息 ， 器节点分布方式如图 1 所示。
2 2 2 d2 + （ y n － y ） 2 ≤ d2 n － ε n ≤（ x n － x） n + εn y） 进行求解， 对（ x， 使得 n
{
2 2 2 d2 + （ y 1 － y ） 2 ≤ d2 1 － ε1 ≤ （ x 1 － x ） 1 － ε1 2 2 2 d2 + （ y 2 － y ） 2 ≤ d2 2 － ε2 ≤ （ x 2 － x ） 2 + ε2
［4 ］ 无需增加硬件， 定位精度较低， 不能满足一些实际应用 。 测距 定 位 算 法 主 要 有 接 收 信 号 强 度 （ RSSI ） 、 到达时间 ［5 ］ （ TOA） 、 到达时间差 （ TDOA ） 和到达角度 （ AOA ） 等 ， 定位
。 传感器节点
RSSI 测距可以帮助煤矿安全监测 本身具有 RSSI 采集功能， 。 然而， RSSI 受到很多因素 在实际应用中，
7 ） 将每个粒子 适 应 度 值 与 p best 、 g best 比 较， 若 优 于 p best 、 g best ， 那么用该粒子的位置更新 p best 和 g best 。 8 ） 将 g best 映射到方程定义域［ 0 1］ ， 然后根据式 （ 9 ） 产生 n 个混沌变量， 然后将它们逆映射成为 n 个粒子， 并根据适应 度值进行排序， 并用最优解 g' best 更新当前群体中粒子 g best 。 9 ） 从混沌后粒子群中找到适应度值较大一组粒子 ， 并将 它们与， 未混沌的 g best 进行比较， 若优于 g best ， 由更新 g best 。 10 ） 迭代次数增加， 并对结束条件进行判断 ， 如果满足结 束条件， 则转到步骤 11 ） ， 不然返回到步骤 3 ） 。 11 ） 输出粒子群全局极值 g best 对应的坐标。
2 2
= d2 1 = d2 2 = d2 k （ 4）
2
2
从第一个方程开始分别减去最后一个方程 ， 并采用最小 ^ = （ AT A ） － 1 y ） 的坐标为： X 二乘法可以得到待测节点 D （ x，
3
3． 1
复杂环境下的煤矿井下人员定位算法
测量待测点与锚节点的距离 在传感器节点应用中， 由于环境中的障碍物、 空气多径、
［8 ］
采用单一的 RSSI 测距， 不能满足环境复杂煤矿井下 的干扰， 的人员定位精度要求 。 针对当前 WSN 定位算法在环境复杂煤矿井人员定位过 程存在的缺陷， 为提高了煤矿人员定位精度 ， 提出了一种改 进 RSSI 的煤矿井下人员定位算法 ， 采用混沌粒子群算法对 RSSI 定位结果进行校正， 最后通过具体仿真对其定位性能进 行检验。
2 （ x1 － x k ） A b， A= 其中， 2（ xk － 1 － xk ）
T 2 k 2 1 2 k 2 1 2 k
2 （ y1 － y k ） 2（ yk － 1
， － yk ）
绕射等因素影响， 传统感器传播路径损耗与理论值偏差较 大。而对数 － 常态分布模型比较适应于复杂环境描述 ， 因此 采用其作为传感器信号传播路径损耗模型 。 d p L （ d） = p L （ d0 ） － 10 δlg（ ） + Xσ （ 1） d0 p L （ d） 为路径损耗； d0 节点间距离； X σ 为随机变量。 式中， 取 d = 1 m 代入式（ 1 ） 可得 LOSS， 即 p L （ d0 ） 的值。 Loss = 3 ． 244 + l0 δlgd + l0 δlgf （ 2） f 表示载波工作频率； d 表示到信源的距离； δ 表示路径 式中， 衰减因子。 然后根据式（ 3 ） 可得测距时获取的信号强度为 ： RSSI = p t + g － p L （ d） G 表示天线增益； p t 表示发送信号功率。 式中， 3． 2 最小二乘法估计传感器节点位置 （ 3）

（ 5）
f（ x， y） =
（x ∑槡i =1Βιβλιοθήκη i－ x）2
+ （ y i － y）
2
－ d2 i
（ 6）
定位一个未知节点时， 只要知道其 3 个邻居锚节点的位 置和未知节点到锚节点的距离 ， 便可列方程组求出待求节点 的位置。在基于距离的定位算法中 ， 三边定位测量法是计算 坐标的基本途径。 但缺点是由于传播过程中的损耗会产生 一定的测距误差， 因此可能存在无解的情况 。 因此在实际定 一般不采用这种方法， 而可以采用最小二乘法 ， 通过引 位时， 进更多的定位信息来减少个别测距误差对定位结果的影响 。