本文選題：井下定位 + ZigBee��； 參考：《內(nèi)蒙古科技大學(xué)》2014年碩士論文

【摘要】：我國煤礦儲備豐富，是世界上煤礦生產(chǎn)第一大國。隨著普適計算、傳感技術(shù)、大數(shù)據(jù)和無線技術(shù)的發(fā)展，物聯(lián)網(wǎng)即將對各個行業(yè)帶來較大變革。無線傳感器網(wǎng)絡(luò)是物聯(lián)網(wǎng)重要組成部分，將其應(yīng)用在“感知煤礦”會對整個煤礦生產(chǎn)帶來深遠影響。 煤礦井下目標(biāo)定位作為井下安監(jiān)系統(tǒng)的一部分，彌補了衛(wèi)星定位無法為井下環(huán)境提供位置信息的局限，為安全生產(chǎn)帶來了重要保障。由于目前我國井下定位系統(tǒng)大多仍采用射頻識別系統(tǒng)，不能對人員目標(biāo)進行及時定位，因此，通過對無線傳感器網(wǎng)絡(luò)、礦井定位系統(tǒng)及定位算法研究現(xiàn)狀進行研究分析，確定了本文研究方向——面向煤礦井下基于RSSI的無線傳感器網(wǎng)絡(luò)定位技術(shù)。 首先，介紹定位算法的基本概念、原理及分類，具體研究了幾種經(jīng)典定位算法。其中，參數(shù)估計定位算法主要特點在于信號的參數(shù)容易從硬件上獲得，采集樣本工作量小，然而在室內(nèi)、井下等復(fù)雜環(huán)境中參數(shù)極易受到影響，導(dǎo)致測距不準(zhǔn)。指紋匹配算法把這些受到環(huán)境影響的信息作為指紋信息的一部分，利用模式匹配相關(guān)算法在惡劣環(huán)境中能夠獲得更高的定位精度。 其次，本文針對煤礦井下信道環(huán)境，提出了一種基于虛擬數(shù)據(jù)集和馬爾科夫鏈的指紋匹配定位算法。在離線階段，利用卡爾曼濾波原理獲得更加穩(wěn)定的數(shù)據(jù)樣本。針對指紋匹配算法數(shù)據(jù)采集工作量大的不足，提出構(gòu)建虛擬數(shù)據(jù)集的方案。文中對指紋匹配算法進行了詳細(xì)的介紹，采用基于貝葉斯準(zhǔn)則框架的概率型算法，它考慮到每處采樣點RSSI分布先驗假設(shè)和統(tǒng)計特征，其中核函數(shù)法將每處采樣點上的每個樣本數(shù)據(jù)賦予一個以自身為“核心”的函數(shù)來構(gòu)建概率密度分布，避免采用確定模型帶來的誤差。為優(yōu)化定位結(jié)果，考慮到先驗概率對貝葉斯后驗概率的影響，提出了基于高斯模型的馬爾科夫鏈定位算法，并對基于粒子濾波的實時追蹤算法進行仿真。 最后，采用TI公司的Z-Stack協(xié)議棧和IOT-2530節(jié)點對ZigBee井下定位網(wǎng)絡(luò)進行搭建，離線數(shù)據(jù)經(jīng)Matlab處理存儲在MySQL數(shù)據(jù)庫中。實驗表明采用經(jīng)卡爾曼濾波后的數(shù)據(jù)集定位精度有所提高；利用經(jīng)參數(shù)估計法建立的虛擬數(shù)據(jù)集，可以大大降低離線采集階段的工作量；在線階段，采用該數(shù)據(jù)集結(jié)合基于高斯模型的馬爾科夫鏈算法在長為80m的區(qū)域內(nèi)進行實驗，定位均方根誤差為4.52m，，滿足井下目標(biāo)定位所需。
[Abstract]:With the development of pervasive computing , sensing technology , large data and wireless technology , the Internet of Things is about to bring great change to each industry . Wireless sensor network is an important part of Internet of Things , and its application in " perception coal mine " will have far - reaching impact on the whole coal mine production .

As part of the underground safety monitoring system , the target location of underground coal mine is used as part of the underground safety monitoring system , which makes up the limitation of the location information of the underground environment and the important guarantee for the safety production . Because of the fact that the underground positioning system in China still adopts the radio frequency identification system , the personnel target cannot be positioned in time , the research direction of the paper is determined , which is the wireless sensor network positioning technology based on RSSI in the coal mine .

Firstly , the basic concept , principle and classification of location algorithm are introduced , and several classical positioning algorithms are studied .

Secondly , aiming at the underground channel environment of coal mine , a fingerprint matching location algorithm based on virtual data set and Markov chain is proposed . In the off - line phase , a more stable data sample is obtained by using Kalman filter principle .

In the end , using the Z - Stack protocol stack of TI Company and the node to set up the ZigBee down - hole location network , the offline data is stored in MySQL database via Matlab . The experiment shows that the positioning accuracy of the data set after Kalman filter is improved ;
By using the virtual data set established by the parameter estimation method , the workload of the off - line acquisition phase can be greatly reduced ;
In the online phase , the Markov chain algorithm based on Gaussian model is used to carry out the experiment in the area of 80 m in length , and the root mean square error is 4.52m , which can meet the requirement of downhole target positioning .
【學(xué)位授予單位】：內(nèi)蒙古科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TN929.5;TP212.9

【參考文獻】

相關(guān)期刊論文 前10條

1 方震;趙湛;郭鵬;張玉國;;基于RSSI測距分析[J];傳感技術(shù)學(xué)報;2007年11期

2 郭紅成;羅海勇;尹浩;韓霜;;基于線性插值和動態(tài)指紋補償?shù)姆植际蕉ㄎ凰惴╗J];傳感技術(shù)學(xué)報;2009年12期

3 金仁成;趙偉;石小培;;基于EKF算法的無線傳感器網(wǎng)絡(luò)定位技術(shù)研究[J];傳感技術(shù)學(xué)報;2010年12期

4 李紅春;趙曉光;譚民;;無線傳感器網(wǎng)絡(luò)中基于粒子濾波的人員跟蹤方法[J];傳感技術(shù)學(xué)報;2012年06期

5 劉曉文;張秀均;郝麗娜;郁萬里;王杰;;基于WI-FI的井下定位算法研究[J];傳感技術(shù)學(xué)報;2012年06期

6 郝麗娜;張秀均;郁萬里;喬瑩;;基于RSS手指模的煤礦井下WLAN定位方法[J];傳感器與微系統(tǒng);2012年09期

7 王繼春;黃劉生;徐宏力;徐r

本文編號：2064888