基于RSS技術的煤礦井下人員定位系統設計

潘婷 吳倩 鄭超群

摘 要：為了減少煤礦事故的發生，加強煤礦安全的管理，該文基于RSS的定位技術，設計了煤礦井下人員定位系統，可對煤礦入井人員進行實時跟蹤監測和定位，可為工作人員提供礦井巷道網絡、人員位置、危險區域及相應提示的動態信息。并從工程和原理兩個方面進行論證此設計。實驗結果表明設計的盲節發射器可以滿足井下定位要求，并且該系統在定位精度、定位失效率和系統抗干擾能力方面有明顯優勢。

關鍵詞：射頻地圖 井下定位 接入點 動態校正

中圖分類號：TP39 文獻標識碼：A 文章編號：1672-3791（2016）03（c）-0012-04

Abstract：In order to reduce coal mine accidents and strengthen the management of coal mine safety， Based on RSS positioning technology， this article designed the coal mine personnel positioning system，which can real-time track， monitor and locate coal mine personners and provide mine roadway network ，the danger zone and the corresponding dynamic information for staff.It from two aspects of engineering and the principle to demonstrate this design. Experimental results show that the design of the transmitter can meet the requirements of downhole positioning blind section， and this system has obvious advantages in the positioning accuracy， the failure rate and the anti-interference ability of system.

Key Words：Radio map；Underground localization；Access point；Dynamic correction

近年來我國礦難頻發，而且存在的技術問題使得災后搜救普遍存在以下困難：地面救援人員不能及時與井下被困人員進行通信；無法實時掌握井下人員的位置信息[1]；難以使用大型救援機械進行作業。這對國家造成的經濟損失[2]和對遇難者家庭造成的精神損失不可估量。因此，井下安全、可靠、實用的定位系統設計已成為礦難救護亟待解決的問題之一。該課題旨在研究克服現有技術的不足，設計一種自適應的動態WiFi定位方法。該方法能夠提供定位估算，并提供準確的整體性檢測參數作為定位估算的參考。

1 基于RSS的定位原理

基于測距的RSS[3]定位技術有兩種實現方法來計算RSS值與距離之間的關系：徑損法和功率指紋法[4]。但考慮到徑損法在收發雙方的直接LOS要求在井下環境無法滿足和在井下由于多徑效應及信號衰落等因素的存在，使得其無法適用井下人員定位。

功率指紋法由兩階段組成：離線位置射頻測量的訓練階段和在線實時估算階段。訓練階段需要建立一個指示信號強度的Radio Map數據庫。在線實時估算階段將盲點上測得的RSS值與Radio Map數據庫中的數據進行模式匹配。

為了盡量減少過多的AP會對Radio Map造成操作冗余[5]，我們利用基于快速正交搜索的快捷特征減少法來同時擬合多個觀測值，從而實現AP的快速智能選擇。

2 定位網絡部署與盲節點的設計

功率指紋法能夠提供井下定位1～2 m的定位精度，在完成離線位置射頻調查的訓練階段和在線實時估算階段的情況下，該方法還需要一個能夠正確復制那些復雜的室內信號功率特征的Radio Map。

該文將設計一個基于WLAN網絡的井下定位方法。該方法能夠提供定位估算，并提供準確的整體性監測參數作為定位估算的參考。解決的問題包括以下幾方面。

（1）C/S型井下定位網絡部署方案。

（2）盲節點設計。

（3）基于貝葉斯回歸算法的AP的RSS分析。

（4）基于該分析的在線動態校正Radio Map的方法。

井下定位系統的總體構成包括相關算法模塊、數據庫和定位對象。算法模塊涉及的算法包括貝葉斯回歸算法、模式分類算法、定位算法；數據庫主要有Radio Map數據庫和在線RSS觀測數據庫[6]。

定位過程執行的操作主要有功率指紋計算、模式分類、定位、當前功率模式計算、噪聲過濾、AP的RSS預測、Radio Map在線動態檢驗/校正。

圖1為C/S型定位網絡部署圖。定位客戶端（盲節點）和定位服務器分別發出定位請求和定位響應，后者由中心計算機承擔定位計算任務[7]。IEEE802.3局域網介于定位服務器和WiFi網絡之間，充當通信媒介的角色。此外，該定位網絡還提供到Internet的連接?？蓾M足國家應援救災指揮中心等遠程安全監控部門的需求[8]。

該定位系統在井下部分采用Zigbee網絡，每個移動盲節點通過射頻天線發射2.4 GHz信號，AP接收器部署在井下的固定位置，這使得設計符合系統要求盲節點是實現定位的重要環節。

3 電路和軟件

該文利用ZigBee技術的多節點、自組網、傳輸距離遠的特點，設計了一種無線信號盲節點發射器。盲節點發射器主要由以下幾部分組成：電源模塊、無線射頻收發模塊、傳感器模塊和數據存儲模塊。系統的總結構如圖2所示。

盲節點系統的核心器件是射頻CC2430芯片，除了包括的最基本的RF收發器外，系統集成了增強型8051MCU、32/64/128KB的Flash內存、8 kB的RAM、DMA以及看門狗等。CC2430工作的頻段為2.4 GHz，采用底電壓（2.0～3.6 V）供電且功耗很低（工作電源接受數據時為27 mA，發送數據時為25 mA），其靈敏度高達 -91dBm、最大輸出功率為+0.8 dBm、最大傳送速率為250 kbps。

盲節點發射器的設計首先要考慮便攜和低功耗，以便長時間內使用。為了簡化系統，采用4.2 V鋰電池18650供電，CC2430的工作電壓需要維持在2.0～3.6 V，因此，需要使用一個電壓差為0.7 V的二級管對電壓模塊進行降壓處理來保護芯片不受損壞。

傳感器模塊主要作用是收集井下的環境數據，監控井下工作環境，在環境數據超出安全域值做出危險預警并保存數據。在此，我們在硬件設計中僅使用CH4傳感器（MH-440V/D紅外氣體傳感器）模擬之。MH-440V/D紅外氣體傳感器利用非色散紅外原理對空氣中存在的CH4進行探測，具有很好地選擇性和無氧氣依賴性。并且，其內置溫度傳感器，可進行溫度補償。

天線模塊可以有多種選擇，差動天線、單級天線、螺旋天線、環形天線都可使用。該文采用了單級天線WAN5020D245M04。

盲節點發射器外圍電路一些核心參數如下：電路使用一個非平衡單級天線，連接非平衡變壓器，可使天線性能更好；電路中的非平衡單級天線由電容C341和電感L341、L321、L31以及一個PCB微波傳輸線組成，整個結構滿足RF輸入、輸出匹配電阻的要求：內部T/R交換電路完成LNA和PA之間交換；R221和R261為偏置電阻，電阻R221主要為32 MHz的晶振提供合適的工作電流；用1個32.768 kHz的石英諧振器（XTAL2）和2個電容（C441和C431）構成一個32.768 kHz的晶振電路；電壓調節器為所要求 2.0～3.6 V電壓引腳和內部電源供電；C241和C421電容是去耦電容，用作電源濾波，可提高芯片工作的穩定性。

而另一方面，盲節點發射器的軟件系統主要控制CC2430芯片的工作。首先，傳感器進行數據采集工作，在進行信號發射的時候，初始化CC2430的各個功能模塊，并由晶振電路產生高頻振蕩信號，再由芯片內部的信號調制器調制產生2.4 GHz的無線信號，經系統發射電路輸出到單級天線，從而完成信號的發射。為了保證信號發射器的時效性，我們在系統內部加入了休眠電路，當信號發射完成后，系統將進入休眠的低功耗狀態。圖3顯示了盲節點發射器2.4 GHz信號發射控制軟件流程圖。

盲節點信號發射器數據采集功能的軟件控制流程如圖4所示，采集模塊啟動后，首先設置數據存儲地址，然后打開中斷控制設置采集時間，等待信號采集結束，將采集到的信號進行A/D轉換和數字濾波，并將處理后的數據存儲到存儲器中。

4 結語

為了確保定位性能，驗證所設計硬件系統的可靠性，用2臺發射器作為測試對象，采用R&S公司的FSH3型手持式頻譜儀（測試頻段9 kHz～8 GHz）觀測無線發射器輸出信號功率，連續24小時每分鐘采集一次數據。測試結果說明了盲節點發射器的可靠性、功耗和輸出信號的穩定性均達到設計要求，可以進行定位實驗。

參考文獻

[1] 鐘新躍，謝完成.無線傳感器網絡在煤礦環境檢測中的應用[J].煤炭技術，2009，28（9）：102-103.

[2] 景興鵬，王偉峰，黑磊，等.無線傳感器網絡在煤礦安全智能監控系統中的應用[J].煤礦技術，2009，28（4）：93-97.

[3] R.Farivar，D.Wiczer，A.Gutierrez.A Statistical Study on the Impact of Wireless SignalsBehavior on Location Estimation Accuracy in 802.11 Fingerprinting Systems[C]//Proc.IEEE Int1 Symp. Parallel and Distributed Processing.2009.

[4] 葉靜.綜合性網絡化自動安全監測系統的設計與研究[D].重慶：重慶大學，2008.

[5] H.Hassen，A.Masmoud.Causal Inference in Biomolecular Pathways Using a Bayesian Network Approach and an Implicit Method [J].Journal of Theoretical Biology，2008（25）：717-724.

[6] Y.Chen，H.Kobayashi. Signal Strength Based Indoor Geolocation [C]//Proc. IEEE Int1 Conf. Comm.2002.

[7] A.Kushki，K.Plataniotis，A.N.Venetsanopoulos. Location Tracking in Wireless Local Area Networks with Adaptive Radio Maps[C]//Proc.IEEE Int1 Conf.Acoustics，Speechand Signal Processing（ICASSP）.2008.

[8] I.Guvenc，C.Abdallah，R.Jordan. Enhancements to RSS Based Indoor Tracking Systems Using Kalman Filters[C]//Proc.Int1 Signal Processing Conf. and Global Signal Processing Expo.2013.