基于压缩感知的区域离散化矿井目标定位方法.pdf

第 44卷 第 8 期 2018年 8 月 工矿自动化 Industry and Mine Automation Vol. 44 No. 8 Aug. 2018 文章编号671-251X201808-0067-04 DOI 10. 13272/j. issn. 1671-251x. 2018020005 基 于 压 缩 感 知 的 区 域 离 散 化 矿 并 目 标 定 位 方 法 徐志明S 田子建S 王 文 清 刘 真 真S 刘婷S 黄蕾1 1.中国矿业大学（ 北京）机电与信息工程学院， 北 京 100083; 2.北京工业职业技术学院科研处， 北 京 100042 摘要 针对电磁波测距定位方法受井下电磁干扰导致定位精度低， 指纹定位方法离线构建指纹特征库面 临海量离线数据连续测量和存储的问题， 提出了基于压缩感知的区域离散化矿井目标定位方法。首先对定 位区域划分网格进行离散化处理，离线测量网格处信号强度，构建指纹特征库； 然后将在线采样的少量信号 强度通过压缩感知得到包含目标位置信息的稀疏位置矩阵， 从而估计目标可能存在的位置； 最后通过网格质 心法对目标精确定位。实验结果表明， 该方法提高了定位精度、 缩短了定位时间， 实现了矿井目标精确定位。 关键词 井下定位；压缩感知；区域离散化；指纹特征库；网格质心法 中图分类号 TD655 文献标志码 A 网络出版地址Gttp //kns. cnki. net/kcms/detail/32. 1627. TP. 20180725. 1607. 003. html Region discretization mine target positioning based on compressed sensing XU Zhiming1 , TIAN Zijian1, WANG Wenqing2， LIU Zhenzhen1 , LIU Ting1 , HUANG Lei1 1. School of Mechanical Electronic and Ination Engineering, China University of Mining and TechnologyBeijing， Beijing 100083, China; 2. Office of Scientific Research， Beijing Polytechnic College， Beijing 100042，China Abstract For problems of low positioning accuracy of electromagnetic wave ranging positioning due to underground electromagnetic interference and continuous measurement and storage of 收稿日期 2018-02-01;修回日期 2018-07-13;责任编辑 盛男。 基金项目 国家自然科学基金资助项目（ 51674269;青海省科学技术厅科技支撑计划项目（ 2014-NS-119。 作者筒介 徐志明（ 1993 ，男，安徽安庆人，硕士研究生，研究方向为矿井目标定位，E-mailxzm_bj 163. com。 引用格式 徐志明， 田子建， 王文清， 等. 基于压缩感知的区域离散化矿井目标定位方法工矿自动化， 2018,4487-70. XU ZhimingTIAN Zijian/WANG Wenqinget al. Region discretization mine target positioning based on compressed sensing [J]. Industry and Mine Automation,2018,448 ； 67-70. FAN Xiaoyan， CHEN Zhaoxue. Ellipse detection s based on Hough trans [ J ]. Microcomputer Ination,20129 411-412. [2] 孙 立 环 ， 赵 霄 洋 ， 高 凌 妤 ， 等 . 基 于 亚 像 素 定 位 技 术 的 激 光 光 斑 中 心 位 置 测 量 激 光 技 术，2017,414 511-514. SUN Lihuan，ZHAO Xiao yang， GAO Lingyu， et al. Measurement of laser spot center position based on sub pixel positioning technology [ J ]. Laser Technology，2017，414511-514. [3] 段 振 云 ， 王 宁 ， 赵 文 珍 ， 等 . 基 于 高 斯 积 分 曲 面 拟 合 的 亚 像 素 边 缘 定 位 算 法 仪 器 仪 表 学 报，2017, 38 1 19-225. DUAN Zhenyun，WANG Ning，ZHAO Wenzhen， et al. Sub-pixel edge location algorithm based on Gauss integral curved surface fitting [J]. Chinese Journal of Scientific Instrument201738 1 219-2257 4]鞠 英 博 ， 李 伟 ， 姚 磊 . 基于总体最小二乘的直线拟合方 法 探 究 [J] . 测 绘 与 空 间 地 理 信 息 ，2017，40 6 166-168. JU Yingbo,LI Wei,YAO Lei. Linear fitting based on total least squares[J]. Geomatics h Spatial Ination Technology,2017,406 166-168. [5]陈 利 .基 于VR的悬臂式掘进机远程操控与仿真系统 研 究 [D] . 西 安 西 安 科 技 大 学 ，2017. .68 .工 矿 自 动 化2 0 1 8 年 第 4 4 卷 massive offline data i n offline construction of fingerprint feature database by fingerprint positioning , a region discretization mine target positioning based on compressed sensing was proposed. Firstly, positioning area is divided into grids for discretization, and fingerprint feature database is constructed by offline measuring signal strength at the grid. Then, sparse position matrix containing target position ination is obtained by compressed sensing with a small amount of signal strength sampled online, so as to estimate possible position of the target. Finally, the target is accurately positioned by grid centroid . The experimental results show that the achieves accurate positioning of mine target with higher positioning accuracy and less positioning time. Key words underground positioning; compressed sensing; region discretization; fingerprint feature database; grid centroid 〇 引言 随着无线网络技术和物联网技术的不断发展， 使用无线局域网进行定位成为目前研究热点[15]。 现有目标定位通常采用电磁波测距定位方法[6]， 如 基于接收信号强度[ 7 8]Received Signal Strength， RSS和基于到达时间（ Time ofArrival， TOA测距 定位方法。基 于 \ S S 测距定位方法根据目标节点 与参考节点之间的电磁波衰减关系实现测距定位； 基 于 T O A 测距定位方法通过目标节点与参考节点 之间的电磁波传播时间进行测距定位， 其对于节点 之间的同步要求较高。煤矿井下电磁噪声严重， 巷 道的形状、 介质对电磁波传播有很大影响， 这 2 种定 位方法在煤矿井下应用效果不理想， 测距误差大， 难 以保证目标定位精度。 指纹定位方法） ]在离线阶段测量任意位置处的 信号强度， 信号强度与其对应位置的坐标信息构成 指纹特征库， 通过在线实测信号强度与指纹特征库 对比的方式完成定位， 有效降低了电磁噪声对定位 的干扰。但定位目标可能出现在矿井中任意位置， 海量离线数据的连续测量和存储在工程上无法实 现 。因此， 本文提出了基于压缩感知的区域离散化 矿井目标定位方法。首先通过划分网格将定位区域 离散化， 离线测量各网格所在位置处信号强度， 构建 指纹特征库； 然后在线测量少量参考节点接收到的 信号强度， 应用压缩感知得到目标的估计位置;最后 通过网格质心法进一步精确定位。 1定位方法原理 基于压缩感知的区域离散化矿井目标定位流程 如 图 1 所示。离线阶段 将定位区域划分成网格进 理 ， 测 网 信号 ， 与 应网 标 应 特 征 。 线 段参考节点接收目标发射的信号强度， 根据接收的 信号强度组成测量值向量； 同时从指纹特征库中导 出离线接收的信号强度， 构建测量矩阵； 通过压缩感 知计算稀疏位置矩阵， 稀疏位置矩阵中非零元素对 应的网格位置表示目标可能存在的位置， 完成压缩 感知粗定位;根据压缩感知粗定位估计的目标所在 网格坐标， 利用网格质心法实现精确定位。 图1基于压缩感知的区域离散化矿井目标定位流程 Fig. 1 Process of region discretization mine target positioning based on compressed sensing 2定位方法实现 2.1 压缩感知粗定位 将 矿 井 巷 道 离 散 化 处 理 ， 划 分 成 N 个 网 格 。 MM N个参考节点布置在巷道壁上部， 用来接 收信号强度， 且参考节点位置已知。离线阶段下， 不 断改变目标节点在网格中的位置， 参考节点接收来 自各网格处目标节点发射的信号强度， 并与相应网 标 应 特征 。 在线阶段下， 各参考节点接收目标发射的信号 强度， 由M 组实测信号强度” ， ％， ， 3 ym 2 7 式中 K 为 目 标 个 数 ； “3， 3 为 目 标 实 际 坐 标 ； um 为目标定位坐标。 将 表 1 中数据代人式（ 7， 可得本文定位方法、 基 于 RSS测距定位方法和基于T O A 测距定位方法 的定位误差分别为0. 46,0. 65,0. 78 m。可见本文 方法与基于RSS测距定位方法和基于T O A 测距定 位方法相比， 在定位精度和定位时间上有明显优势。 4结语 基于压缩感知的区域离散化矿井目标定位方法 将定位区域划分成网格进行离散化处理， 解决了建 立离线指纹特征库所需海量数据连续测量和存储的 问题， 减少了工作量； 通过离线测量对应网格的信号 强度来构建指纹特征库， 降低了因电磁干扰导致的 定位误差;将在线采样的少量信号强度通过压缩感 知得到包含目标位置信息的稀疏位置矩阵， 从而估 计目标可能存在的位置， 再通过网格质心法得到目 标最终位置， 实现了矿井目标精确定位， 降低了运算 复杂度， 提高了定位精度。 参 考 文 献 （ References 1 *陈 伟 . 基 于 压 缩 感 知 的 无 线 传 感 器 网 络 定 位 研 究 [D].南 京 南 京 邮 电 大 学 ，2014. [2]何 风 行 ， 余 志 军 ， 刘 海 涛 . 基于压缩感知的无线传感器 网 络 多 目 标 定 位 算 法 电 子 与 信 息 学 报，2012,34 3716-721. HE Fenghang，YU Zhijun， LIU Haitao. Multiple target localization via compressed sensing in wireless sensor networks [J]. Journal of Electronics and Ination Technology,2012,343 716-721. [3 ]钱 鹏 ， 郭 艳 ， 李 宁 ， 等 . 基 于 压 缩 感 知 的 多 目 标 定 位 与 功 率 估 计[J].计 算 机 科 学 ，2016，433 103-106. QIAN Peng, GUO Yan,LI Ning,et al. Compressive sensing based target localization and power estimation [J]. Computer Science,2016,433 103-106. [ 4] 陈宝. 目 标 数 目 未 知 下 的 压 缩 感 知 定 位 算 法 [D ].南 大 20167 [ 5 ]杨 成 . 矿 井 移 动 目 标 无 线 定 位 技 术 研 究 [D ].合 肥 合 肥 工 业 大 学 ， 2013. [ 6 ]武 丹 琛 ， 丁 青 青 ， 刘 志 高 ， 等 .基 于 RSSI方法的井下人 员 定 位 系 统 原 理 与 设 计 [ J ] .工 矿 自 动 化 ， 2010, 36 1176-79. WUDanchen， DING Qingqing, LIU Zhigao，et al. Principle of underground personnel positioning system based on RSSI and its design[J]. Industry and Mine Automation,2010,3611 76-79. [ 7 ] YAGHOUBI F ，ABBASFAR A A ，MAH AM B. Energy-efficient RSSI-based localization for wireless sensor networks[J]. IEEE Communications Letters， 2014,186973-976. [8 ]冯辰 . 基 于 压 缩 感 知 的 RSS室 内 定 位 系 统 的 研 究 与 实 [D ]7 通大 20107 [9 ]王 永 星 ， 华 钢 ， 徐 永 刚 ， 等. 基 于 信 号 传 输 模 型 的 指 纹 井 下 目 标 定 位 算 法 [J ].中 国 科 技 论 文，2015，1020 2463-24667 WANG Yongxing, HUA Gang,XU Yonggang,et al. Localization algorithm of coal mine miner based on the signal transmission model fingerprint [J]. China Sciencepaper， 2015， 1020 2463-2466. [ 1 0 ] 邵 文 泽 ， 韦志辉. 压 缩 感 知 基 本 理 论 回 顾 与 展 望 [J]. 中 国 图 象 图 形 学 报，2012,1711-12. SHAO Wenze， WEI Zhihui. Advances and perspectives on compressed sensing theory [J ]. Journal of Image and Graphics , 2012,1 7 1 1-12. [11] CHENG Qiao, MUNOZ M ， ALOMAINY A ， et al. Compressive sensing applied to fingerprint-based localisation [ C ]//IE E E MTT-S International Microwave Workshop Series on RF and Wireless Technologies for Biomedical and Healthcare Applications， London，2014 1-3. [ 1 2 ] 张 海 锋 ， 胡 春 海 . 压 缩 感 知 重 构 的 传 感 器 目 标 定 位 研 究 [J ].激 光 杂 志 ， 2016， 3711128-131. ZHANG Haifeng , HU Chunhai. Research on target localization based on compressed sensing reconstruction sensor [J ]. Laser Journal， 2016，37 11128-131. [ 3] 黄振 . 稀疏多频带信号的亚奈奎斯特采样与重构算法 研 究 [D ].昆 明 云 南 大 学 ， 2015. [ 4] 王 希 .压 缩 感 知 的 重 构 技 术 研 究 [ D ] .南 京 东 南 大 20167