基于5G+UWB 和慣導技術的井下人員定位系統

李明鋒， 李?， 劉用， 吳學松， 徐繼盛， 常建明， 王濤， 潘紅光

（1. 甘肅華亭煤電股份有限公司 硯北煤礦，甘肅 華亭 744100；2. 西安科技大學 電氣與控制工程學院，陜西 西安 710054）

0 引言

隨著現代化采礦技術的不斷發展，對于井下人員定位的需求越來越迫切。由于井下環境的特殊性和復雜性，傳統井下人員定位技術面臨著許多挑戰，如信號衰減、多徑效應和信號干擾等問題。因此，研究人員開始探索基于新型技術的井下人員定位系統，以提高定位的精度和可靠性。

基于無線通信技術的方法被廣泛應用，如WiFi定位、超聲波定位、藍牙定位、紅外線定位和無線射頻識別定位等[1-2]。其中，WiFi、藍牙等定位技術是通過接收信號強度實現定位[3-4]，在信號傳播過程中易受環境條件限制與影響，穩定性差、定位精度不高。超聲波和紅外線等定位技術只適用于小范圍定位[5]。無線射頻識別定位技術作用范圍有限，只適用于近距離定位。

超寬帶（Ultra Wideband，UWB）通過納秒及納秒級以下的窄脈沖來獲得測距信息，具有多徑分辨能力強、定位精度高、功率消耗小、適用范圍廣等優勢。慣性導航系統也被用于井下定位，通過測量加速度和角速度等信息來估計位置。文獻[6]考慮煤礦井下設備部署情況，綜合分析UWB 芯片中心頻率干擾與衰減情況，解決了UWB 與5G 相互干擾問題。文獻[7]通過遺傳算法從信道脈沖響應提取的特征中選擇最佳的特征組合，并利用支持向量機（Support Vector Machine，SVM）識別與抑制非視距（Non-Line of Sight，NLOS）誤差。文獻[8]將模糊推理與K 最近鄰（K-Nearest Neighbors，KNN）算法相結合，并通過改進的位置指紋法減小NLOS 誤差影響，提高UWB 定位精度。文獻[9]通過BP 神經網絡對大量數據進行訓練后完成基于到達時間差的定位解算。文獻[10]將超聲波傳感器與安裝在鞋上的慣導系統相結合，收集墻壁相對于行走路徑的位置信息，以提高慣導系統的長期穩定性，降低累計誤差。文獻[11]利用互補卡爾曼濾波器（Comlimentary Kalman Filter, CKF）融合UWB 和慣性測量單元數據，并跟蹤位置、速度和方向等變量誤差，自適應設置磁力計與UWB 數據的權重，以校正方向與位置誤差，提高定位精度。文獻[12]基于擴展卡爾曼濾波器（Extended Kalman Filter, EKF）和無損卡爾曼濾波器（Unscented Kalman Filter, UKF）提出了一種慣性測量單元和UWB 組合的室內綜合定位系統，以提高系統的魯棒性和準確性。為了減輕NLOS 帶來的測距誤差，文獻[13]提出了一種基于SVM 的半監督學習方法，通過針對未標記數據集進行自訓練，實現NLOS 識別，并降低測距誤差。文獻[14]在傳統的視距（Line of Sight，LOS）與NLOS 二分類機器學習的基礎上，將多徑（Multi-Path, MP）作為第三類融入機器學習分類中，并橫向對比了SVM、隨機森林（Random Forests，RF）及多層感知機（Multilayer Perceptron，MLP）在三分類中的效果。實驗結果表明，相比于二分類，三分類具有更高的測距精度及NLOS 識別率。文獻[15]將NLOS 場景細化至人體陰影遮擋領域，提出了一組用于實時NLOS 識別與誤差消除機器學習方法的新型UWB 數據特征。文獻[16]考慮到機器學習所需數據集采集難度大的問題，使用對抗生成網絡實現NLOS 數據增強，并使用自動編碼器增強訓練模型，通過實驗驗證其生成的信道脈沖響應（Channel Impulse Response，CIR）數據有效性。文獻[17-18]考慮到UWB 測距領域連續幀之間存在相關性，采用長短期記憶（Long Short Term Memory，LSTM）深度學習方法來提取時間特征，并為一系列輸入數據提供高級表示，最終實現20 cm 的均方根誤差。

盡管上述文獻針對UWB 測距能力進行了研究與分析，并通過各種手段提升了UWB 測距精度，但對設備算力與存儲資源有較高要求。在實際應用中，現場設備的算力與存儲資源無法支撐上述研究提出的算法。在工業應用中，數據即時傳輸與響應能力、數據傳輸延遲、人力物力損耗都需要著重考慮。目前的煤礦井下人員定位系統中，通常采用有線數據傳輸的方式，在系統安裝與維護中，對于人力物力要求較大。

針對上述問題，本文提出了一種基于5G+UWB和慣導技術的井下人員定位系統。利用UWB 測距與定位技術修正慣導技術隨時間誤差累計的問題，利用慣導技術降低UWB 測距與定位技術中NLOS帶來的精度下降問題。利用無線通信技術實現高效數據即時傳輸與響應，降低數據傳輸延遲，并減少基站所需線纜，從而在系統部署與維護階段降低基站部署難度，減少人力物力成本。

1 5G 通信、UWB 定位與慣導技術

1.1 無線通信技術

1.1.1 5G 技術

與4G 相比，5G 具有更高的速度、更低的時延和更大的連接密度，這為人員定位提供了全新的應用可能性[19]。首先，5G 技術的高帶寬和低時延特性使得實時數據傳輸成為可能。在人員定位中，傳感器通過采集人員的位置和運動信息，將這些數據傳輸到5G 網絡中，實時發送給后臺處理系統，實現對人員位置的及時監測和定位。其次，5G 技術的大連接密度能夠支持同時連接大量設備[20]。文獻[21]結合煤礦智能化建設需求，分析了5G 專網特性，提出多種混合專網方案。在人員定位中，通過將定位設備和傳感器與5G 網絡連接，可同時監測和定位多個人員，提高定位系統的擴展性和適用性。此外，5G 技術還具有更好的信號覆蓋和穿透能力。在復雜的井下環境中，傳統的通信技術受到信號衰減、多徑效應和信號干擾的影響，導致定位精度下降。而5G 技術通過使用更高的頻段和更先進的天線技術，提供更強的信號覆蓋和穿透能力，增強了在復雜環境下的定位精度和可靠性。

1.1.2 UWB 技術

UWB 技術是一種基于寬帶信號的通信技術，具有高寬帶、短脈沖持續時間、低功率密度、抗多徑效應、高抗干擾性等特點[22]，在無線通信、定位和雷達等領域具有廣泛的應用前景，尤其在井下人員定位系統中，UWB 技術能夠實現高精度的距離測量和定位，為井下工作的安全性和生產效率提供重要的支持。

UWB 信號是瞬時帶寬B大于500 MHz 或部分占用帶寬B′大于0.2 的無線電信號。UWB 功率譜密度如圖1 所示，其中fL，fH分別為功率譜密度比信號峰值低10 dB 的低頻數值與高頻數值。

圖1 UWB 功率譜密度Fig. 1 UWB power spectral density

式中fC為信號的中心頻率，fC=(fH+fL)/2。

1.1.3 5G+UWB 融合技術

目前在煤礦井下環境中，UWB 定位基站通過有線以太網組成環網，在接收到身份標志卡測距數據后，UWB 定位基站各自獨立向地面計算平臺上傳數據。受限于UWB 定位基站無線通信技術的缺失，在系統安裝部署階段，為了實現上百臺人員定位基站通過有線連接組成環網，所耗費的以太網網線總長度可達幾千米，且需將網線固定在巷道壁上，需耗費較大人力物力及較長的時間來完成。因此，本文提出一種基于5G+UWB 融合技術的無線通信基站方案。通過將數據傳輸方式升級為5G 無線傳輸，解決現有煤礦井下人員精確定位系統中UWB 定位基站部署難度大的問題。在末端采集定位信息時，部署能耗低、抗干擾性強的UWB 定位基站，定位基站與5G 基站以級聯的方式連接，定位基站采集UWB 與慣導數據，利用5G 網絡回傳至計算平臺，在計算平臺上完成定位信息的解算和存儲。在已部署UWB系統的井下，該方案既能利用 UWB 技術的低功耗和抗干擾特性，又能利用 5G 技術的低時延和多連接功能，滿足井下人員定位的實時性和唯一性識別的要求。

煤礦井下人員定位系統架構見表1。其中硬件層由人員標志卡與UWB 定位基站組成，其功能為采集定位信息。網絡層由光纖、交換機等設備組成，其功能為與硬件層的UWB 定位基站中5G 單元連接通信，進行數據傳輸。應用層包括地面計算平臺和車載智能計算與控制平臺，通過獲取人員和車輛定位數據，以實現人員定位、車輛定位等功能。

表1 煤礦井下人員定位系統架構Table 1 Positioning system structure of underground coal mine personnel

1.2 定位技術

1.2.1 基于UWB 的雙向測距技術

煤礦井下基于UWB 的雙向測距（Two-way Ranging，TWR）模型如圖2 所示，其中，Tprop為UWB脈沖信號在基站與標簽之間的真實傳播時長，Troud為定位標簽從發送到接收（TX-to-RX）所耗時長，Treply為定位基站從接收到發送（RX-to-TX）所耗時長，t1為設備A 作為信號發送方發送信號的時刻，t3為設備A 作為信號接收方接收信號的時刻，t2為設備B 作為信號接收方接收信號的時刻，t4為設備B 作為信號發送方發送信號的時刻。設備A 按照預先設置好的固定周期，定時結束休眠，在數據包發送前打包（Pack-Pre）階段完成對脈沖數據包的構建、加密、壓縮過程，廣播發送UWB 脈沖信號，并記錄脈沖時刻。設備B 接收到脈沖數據后，在數據包接收后解析（Pack-Parse）階段對UWB 脈沖數據包進行解壓、解密與解析，進行UWB 脈沖信號第一徑（First Path,FP）判斷與到達時刻計算，并記錄Pack-Parse 階段的結束時刻。由設備B 發送數據，設備A 解析數據，從而完成1 次測距。

圖2 煤礦井下基于UWB 的TWR 模型Fig. 2 UWB-based two-way ranging model in coal mine

UWB 脈沖信號以電磁波形式傳播，其傳播速度為光速，結合可計算出傳播距離，即

1.2.2 基于到達時間的三邊定位算法

到達時間（Time of Arrival，TOA）測距技術是一種基于時間的距離測量方法，用于確定信號從發送器到接收器之間的傳播時間，并通過傳播時間計算出信號的距離[23]。

三邊定位算法根據測量的距離為半徑畫圓，通過圓的交點確定標簽的位置，因此至少需要3 個基站。以測得的3 個基站的距離為半徑畫圓，繪出的3 個圓將會有1 個共同的交點，即標簽所在位置，從而實現定位[24]，如圖3 所示。其中，MS（Mobile Station）表示待定位的移動設備，BS（Base Station）表示無線通信網絡中的固定基站，負責與移動設備進行通信并提供覆蓋區域的服務。

圖3 基于TOA 的三邊定位原理Fig. 3 Principle of trilateral positioning based on the TOA

3 個基站BS1-BS3與MS 的距離分別為r1，r2，r3，以各基站為圓心，測量距離為半徑，繪制3 個圓，其交點即MS 的位置。在實際情況中，一般基站數量N≥3，根據最小二乘法（Least Square Method， LS）計算MS 的估計位置。假設MS 的位置坐標為(x,y)，第i個基站的位置坐標為(xi,yi)，則它們之間滿足關系：

三邊定位算法的優點是簡單、易于實現，僅需3 個已知位置的基站及相應的基站與標簽之間的距離測量即可 。它不依賴于復雜的信號處理算法，適用于不同環境和應用場景，且具有對測距誤差容忍度相對較高的優勢。

1.2.3 慣導技術

慣導技術是一種基于慣性傳感器和濾波算法的定位技術，可用于人員定位系統中，提供準確的姿態和位置估計[25]。

慣導技術主要依賴于慣性傳感器，包括加速度計和陀螺儀，用于測量人員的加速度和角速度。通過對這些測量值進行積分和濾波處理，可得到人員的姿態和位置信息。慣導模塊不依賴導航衛星、無線基站及指紋數據庫，僅通過人員佩戴的微型慣性傳感器可實現人員的自主、連續、精確定位。在人員定位中，慣導技術的應用具有精度高、實時性強和自主性強等優勢，通過測量加速度和角速度，實時計算人員的姿態和位置。相比于其他傳感器，慣性傳感器不依賴于外部的信號源，在井下、室內環境或信號受限的情況下具有更高的定位精度。

2 系統架構及硬件設計

2.1 系統架構

基于5G+UWB 和慣導技術的井下人員定位系統結合了5G 通信、UWB 測距和慣導姿態估計技術，旨在實現對井下人員的高精度定位。系統包括5G 通信模塊、UWB 模塊、慣導模塊、數據處理單元和后臺服務器，如圖4 所示。通過布置多個UWB基站和配備慣性傳感器，采集人員的距離、加速度和角速度數據，將采集到的數據經過預處理后，與UWB 定位結果進行融合，實現對人員位置和姿態的估計 。定位結果可通過用戶界面進行展示，并可與地圖集成，實現井下人員實時跟蹤和監測。該系統可應用于井下人員安全管理、生產調度等領域，提供重要的定位支持和數據分析功能，為井下工作提供更高效、安全的管理和操作。

圖4 基于5G+UWB 和慣導的井下人員定位系統架構Fig. 4 Network structure of underground personnel positioning system based on 5G + UWB and inertial navigation

目前我國運營商5G 主力頻段見表2。為避免UWB 與5G 出現干擾，系統采用的UWB 頻段與表2中5G 頻段均不重疊。

表2 我國運營商5G 主力頻段Table 2 Main frequency band of 5G in China

2.2 硬件設計

2.2.1 定位基站設計

系統定位基站主要由主控制器、5G 通信模塊和UWB 模塊組成。

1） 主控制器。使用CoolPi CM5 作為主控制器。

2） 5G 通信模塊。使用RM500U-CN 模塊作為5G 通信模塊，RM500U-CN 模組內置GNSS 定位模塊，可實現精準的位置定位和導航功能。

3） UWB 模塊。使用DW1000 模塊作為UWB模塊，DW1000 模塊采用IEEE802.15.4—2011 標準，可達到6.8 Mb/s 數據傳輸速率，功耗較低，可實現較長時間工作續航時間。

2.2.2 身份標志卡設計

身份標志卡是一種用于身份識別和定位的電子卡片或標簽，由UWB 定位標簽和慣導模塊組成。它通常攜帶有唯一的身份信息，如身份證號碼、工號、設備ID 等。在定位系統中，身份標志卡用于標志和跟蹤特定個體或物體的位置，并提供與該身份相關的信息。

1） UWB 定位標簽是一種小型、便攜式的設備，內部集成了UWB 通信模塊和定位算法，用于實現對個體或物體的高精度定位和跟蹤。它可與UWB 定位基站進行通信，并通過測量與基站之間的距離來計算自身的準確位置。

2） 慣導模塊通過測量和集成加速度計和陀螺儀等傳感器的數據，計算物體的加速度、角速度、姿態和位置等信息，實現導航和定位功能。系統使用WTGPS-300 模塊作為慣導模塊。

3 融合慣導的卡爾曼濾波算法

3.1 基于慣導的人員位置估計算法

通過慣性傳感器加速度計和陀螺儀測量人員的加速度和角速度，并對測量值進行積分和濾波處理，得到人員的姿態和位置信息。

1） 初始化加速度計及陀螺儀。使用加速度計測量標簽在(x,y,z)軸上相對于傳感器坐標系的加速度ax,ay,az。使用陀螺儀測量標簽圍繞(x,y,z)軸相對于傳感器坐標系的角速度ωx,ωy,ωz。

2） 對加速度進行積分計算速度。用加速度積分公式計算標簽在(x,y,z)軸上的速度vx(t),vy(t),vz(t)。

式中t為當前數據采集時刻。

3） 對速度進行積分計算位移。根據速度積分公式計算標簽在各個軸上的位移bx(t),by(t),bz(t)。

3.2 基于卡爾曼濾波的UWB 位置估計與慣導人員位置估計融合

將基于慣導的人員位置估計作為預測值，基于UWB 的三邊定位算法獲取的人員位置估計作為觀測值，利用卡爾曼濾波器將預測值和觀測值進行融合，提高系統定位精度。

1） 狀態初始化。初始化過程主要為初始化狀態估計、過程噪聲和測量噪聲。在初始化狀態估計時，設初始狀態估計向量為X0，表示系統在時間步為0 的狀態估計值，初始狀態估計協方差矩陣為P0，表示系統在時間步為0 的狀態估計協方差；在初始化過程噪聲時，設過程噪聲協方差矩陣為Q，表示系統動態模型中的噪聲；在初始化測量噪聲時，設測量噪聲協方差矩陣為R，表示測量模型中的噪聲。

2） 狀態及協方差預測。首先進行狀態預測，利用系統的動態模型和控制輸入，通過狀態轉移矩陣和控制矩陣預測系統下一時刻狀態，之后利用狀態預測誤差協方差矩陣、系統噪聲協方差矩陣和狀態轉移矩陣，預測系統狀態的協方差矩陣。

3） 狀態更新。首先，利用觀測矩陣H及狀態預測值，預測系統狀態的測量值；然后，利用協方差矩陣的預測值、觀測矩陣H、測量噪聲協方差矩陣R，計算卡爾曼增益矩陣Kk；計算實際測量值與預測測量值之間的殘差，即觀測殘差，利用觀測殘差、卡爾曼增益矩陣Kk及狀態預測值，更新得到當前時刻狀態值；最后，利用卡爾曼增益矩陣Kk、觀測矩陣H及協方差矩陣的預測值更新系統狀態的協方差矩陣。

4） 重復預測和更新步驟。重復執行預測和更新步驟，根據新的測量數據和先驗信息更新狀態估計和協方差矩陣。

4 系統測試

4.1 測試環境與基站布局

測試環境為煤礦主體實驗基地，現場如圖5 所示，測試環境與基站布局如圖6 所示，平面圖左下角為坐標原點（0，0），以原點為起點，水平向左表示橫軸正方向，豎直向上表示縱軸正方向。使用激光測距儀進行距離測量，分別在實驗基地的（0，0），（99.7，0），（0，99.4），（98.6，99.2） m 4 個位置裝設定位基站A—D，基站之間存在不同規模的障礙物、井下工作設備等。

圖5 煤礦主體實驗基地現場Fig. 5 On-site of the main experimental base of the coal mine

圖6 測試環境與基站布局Fig. 6 Test environment and base station layout

4.2 算法測試與分析

為驗證融合慣導的卡爾曼濾波算法在井下定位中的可行性，使用UWB 定位系統采集180 s 時長的距離數據，并計算對應位置。從采樣數據中隨機篩選60 個坐標點進行數據分析 ，對卡爾曼濾波、加權最小二乘、融合慣導的卡爾曼濾波算法進行對比實驗，結果如圖7 所示?？煽闯鲈趚軸和y軸，融合慣導的卡爾曼濾波算法得出的位置信息和真實位置信息的重合度最高，說明融合慣導的卡爾曼濾波算法得出的位置信息最接近真實位置。

圖7 不同算法定位結果對比Fig. 7 Comparison of positioning results of different algorithms

真實位置坐標及通過定位算法計算的位置坐標對比見表3，可看出融合慣導的卡爾曼濾波算法具有最高的定位精度，平均誤差為22.192 cm。

表3 算法定位結果及誤差Table 3 Algorithm positioning results and errorcm

4.3 系統定位測試與分析

通過實驗測試多個標簽同時工作對定位精度的影響，從而分析系統定位的可行性和可靠性。先進行基準測試，在單個定位標簽的情況下，記錄系統的初始精度和穩定性，再啟動3 個定位標簽，同步記錄定位標簽的位置信息。3 個標簽同時定位時，x軸和y軸上真實位置與系統定位位置對比結果分別如圖8、圖9 所示。

圖8 x 軸位置對比Fig. 8 x-direction position comparison

圖9 y 軸位置對比Fig. 9 y-direction position comparison

由圖8 和圖9 可看出，5G+UWB 和慣導技術組合的井下人員定位系統的位置信息和真實位置信息的重合度最高，說明本文系統的位置信息最接近真實位置。

3 個標簽的真實位置坐標及通過定位算法計算出的位置坐標見表4、表5。其中，x1為x軸真實位置，x2為x軸定位位置，E1為x2到x1的距離，即x軸定位誤差，y1為y軸真實位置，y2為y軸定位位置，E2為y2到y1的距離，即y軸定位誤差。

表4 x 軸真實位置坐標與定位位置坐標的定位誤差Table 4 Location error between the true position coordinates and position position coordinates of the x-axiscm

表5 y 軸真實位置坐標與定位位置坐標的定位誤差Table 5 Location error between the true position coordinates and position position coordinates of the y-axiscm

由表4 和表5 可看出，在12 組數據中，定位位置與真實位置的距離誤差為[15 cm,20 cm]，x軸最大平均誤差為26 cm，y軸最大平均誤差為24 cm，超過目前大多數井下定位系統的精度，證明本文系統具有較高的精度。

5 結論

1）通過布置多個UWB 基站和配備慣性傳感器，采集人員的距離、加速度和角速度數據，將采集到的數據經過預處理后，與UWB 定位結果進行融合，實現對人員準確位置和姿態的估計。融合慣導的卡爾曼濾波算法得出的位置信息和真實信息的重合度最高，平均誤差為22.192 cm。

2） 將基于慣導的人員位置估計作為預測值，基于UWB 的三邊定位算法獲取的人員位置估計作為觀測值，利用卡爾曼濾波器將預測值和觀測值進行融合，提高井下人員系統定位精度。定位位置與真實位置的距離誤差為[15 cm,20 cm]，超過目前大多數井下定位系統的精度。

3） 井下人員定位系統實現了高精度的定位，并具備較好的抗干擾能力。然而，該系統仍存在一些改進空間。例如，5G 信號在井下環境中的覆蓋范圍和傳輸性能仍需進一步優化。此外，對于慣導技術，需解決誤差累計和振動干擾等問題，以提高定位精度和穩定性。