煤矿井下节点合作加权质心定位算法.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 ; 实验研究言 令 _ 丨 1 丨 _ 令 _ 丨 丨 丨 ■ 令 _ 丨 丨 丨 ■ 令 _ 丨 1 丨 _ 令 _ 丨 丨 丨 令 文章编号671-251X201808-0032-07 DOI 10. 13272/j. issn. 1671-251x. 2018010007 煤 矿 并 下 节 点 合 作 加 权 质 心 定 位 算 法 赵彤1， 李先圣1， 张雷1， 丁恩杰1， 胡延军1 1.中国矿业大学信息与控制工程学院， 江 苏 徐 州 221008; 2.中国矿业大学物联网（ 感知矿山） 研究中心， 江 苏 徐 州 221008 摘要 针对煤矿井下长距离巷道内人员定位信号存在衰减大、 定位精度低的问题， 提出了 一种节点合作 加权质心定位算法。该算法在ZigBee通信环境下， 通过参数寻优思想在长距离巷道内人员定位时选择近距 离虚拟参考节点（ 已定位的未知节点） 与参考节点合作使用， 利用改进的小区域三角形加权质心定位算法对 未知节点进行初始定位， 然后通过坐标修正确定未知节点的位置。仿真与实验结果表明， 利用参考节点与虚 拟参考节点合作定位， 减少了远距离参考节点的使用， 可以解决因距离远导致的信号衰减大的问题， 提高了 井下人员定位的精度； 该算法的平均定位误差为1. 5 m， 可满足煤矿井下长距离巷道内人员定位精度的 要求。 关键词 煤矿井下； 人员定位；长距离巷道；无线传感器节点；虚拟参考节点；节点合作；加权质心定 位 ；坐标修正 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. 20180718. 1726. 004. html Weighted centroid localization algorithm based on node cooperation in coal mine underground ZHAO Tong1 ’2，LI Xiansheng1 ’2，ZHANG Lei1’2，DING Enjie1’2，HU Yanjun1’ 2 1. School of Ination and Control Engineering, China University of Mining and Technology’ Xuzhou 221008, China; 2. Internet of Things Perception Mine Research Center’ China University of Mining and Technology’ Xuzhou 221008, China Abstract In view of problems of large attenuation error and low positioning accuracy of personnel positioning signal in underground long-distance roadway’ a weighted centroid localization algorithm based on node cooperation was proposed. Under the ZigBee communication environment’ the algorithm selects virtual reference node unknown node that has been located at a close distance to cooperate localization with reference node in long-distance roadway’ and uses improved small-area triangle weighted centroid localization algorithm to locate the unknown node’ uses coordinate correction to determine position of unknown node. The simulation and experimental results show that the localization of reference nodes and virtual reference nodes can reduce use of long-distance reference nodes’ which can solve the problem of 收稿日期 2018-01-03;修回日期 2018-05-16;责任编辑 张强。 基金项目 国家重点研发计划资助项目（ 2017YFC0804401;国家重点基础研究发展计划“7 3 计划） 项目（ 2014CB046305。 作者筒介 赵彤（ 1993 ） ， 女， 江苏徐州人， 硕士研究生， 研究方向为煤矿井下物联网无线定位， E-mailhaotoiigff126. com。 引用格式 赵彤， 李先圣， 张雷， 等. 煤矿井下节点合作加权质心定位算法工矿自动化， 2018， 4482-38. ZHAO Tong,LI Xiansheng, ZHANG Lei, et al. Weighted centroid localization algorithm based on node cooperation in coal mine underground[J]. Industry and Mine Automation,2018,448 32-38. 2 0 1 8 年 第 8 期赵 彤 等 煤 矿 井 下 节 点 合 作 加 权 质 心 定 位 算 法 33 large signal attenuation caused by long distance and improve the accuracy and stability of underground personnel positioning. The average positioning error of the algorithm is 1.5 m, which meets requirements of personnel location precision in underground long-distance roadway. Keywords coal mine underground; personnel positioning; long-distance roadway; wireless sensor nodes; virtual reference node; cooperative node; weighted centroid localization； coordinate correction 〇 引言 目前， 室内、 煤矿井下、 隧道等场所的人员定位 主要应用无线传感器网络技术。无线传感器网络技 术利用无线传感器网络节点收发信号， 具有组网简 单、 灵活方便、效率高、速度快、成本低等优势， 但是 节点发射的信号受多径、 反射、 衰减等影响， 会导致 接收端的信号准确度差， 从而降低定位精度， 当参考 节点部署较远时信号衰减严重， 导致接收信号误差 增大， 误差严重时将导致定位系统瘫痪。因此， 提高 节点的定位精度和稳定性仍然是无线传感器网络技 术研究的热点之一。 为了获得更加精确的人员定位信息， 国内外研 究人员提出了多种人员定位的算法， 并且在已有算 法基础上不断进行改进[1]。无线传感器网络定位算 法可以分为基于非测距的定位算法和基于测距的定 位算法[ 2 3]。基于非测距的定位算法有DV-Hop算 法、 Amorphous算法、 指纹匹配算法[4]和质心定位 算法[5]等 。DV-Hop算 法 复 杂 ， 且 节 点 部 署 密 集 。 Amorphous算法执行效率低。指纹匹配算法需要 大量数据建立指纹库， 一旦场景改变需要大量人力 物力重新建立指纹库。质心定位算法能提高测试精 确度且实际应用简单便捷， 得到了广泛使用。基于 测距的定位算法[6]包括基于到达角度（ Arrival of Angle， AOA、到达时间（ Time of Arrival， TOA、 到达时间差（ Time Difference of Arrival，TDOA 和 信 号 强 度 指 示 （ Received Signal Strength Indicator， RSSI[ 7 - 11]等 。其 中 AOA定位算法需要 装配特殊的收发信号天线， 对硬件要求高， 实现复杂 度高[12]5 为定位时选中的参考节点数L 为测试环境 中部署的总参考节点） j为虚拟参考节点个数，j ML5 x 为虚拟参考节点的 坐 标 ，为未知节 点 z 到虚拟参考节点的距离。 为了实现未知节点z 与虚拟参考节点之间的 通信， 本 文 把 ZigBee模 块 作 为 RSSI数据的收发装 置 ， 将 ZigBee提 前 编 入 2 种工作模式（ Receiver和 Transmitter中， 当未知节点Z处于待定位阶段时， 启 动 Receiver模式， 实时接收参考节点及其他虚拟 参考节点传送过来的数据信息； 当 节 点 z 定位成 功后， 立 即 切 换 Transmitter进入虚拟参考节点模 式 ， 发送数据信息供其他待定位节点使用， 其他待定 位的未知节点接收来自已经定位节点的数据， 通过 Shadowing模 型 II进 行 RSSI与距离之间关系的转 换 ， 得到距离A，。为了减小存在的累积误差， 本文 算法以未知节点距离目标区域中心点的距离为顺 序 ， 逐个定位未知节点， 并且对每个点坐标进行修 正 ， 进一步减小各节点定位误差， 确保累积误差最 小 ， 在累积定位误差最小的情况下， 经过改进的加权 质心定位算法和精确的坐标修正方法将定位误差减 到更小。 合作节点优选步骤如下 1 根 据 Shadowing模 型 I 获 得 第 Z个未知节 点到不同参考节点6 的距离7 Z ， 6。 2 根 据 Shadowing模 型 II获得第Z个未知节 点到虚拟参考节点的距离义， 。 3 从参 点 虚拟参 点 选择合 定位节点 首先考虑待定位节点到参考节点的距离 关系， 从中选择一部分节点； 再从虚拟参考节点中选 用一部分节点， 2 个部分的节点共同合作完成定位 过程。 4 将筛选出的P 个节点（ P M J 作为优 选合作节点， 通过小区域三角形加权质心定位算法 初步估计目标位置xP， xP r [xP M， xP j * 进一步利用 坐标修正目标位置， 得到精确定位结果。 1.2 小区域三角形加权质心定位算法改进 1.2. 1算法改进 本文提出了一种改进的小区域三角形加权质心 定位算法， 如 图 2 所示。 根据三角形顶点私， 执 ， 氏坐标及参考节点对 各顶点的影响大小， 计算未知节点在小区域内的权 值 和 实 际 坐 标。小 区 域 交 点 疚 a a p2和a p3产 2 0 1 8 年 第 8 期赵 彤 等 煤 矿 井 下 节 点 合 作 加 权 质 心 定 位 算 法.35 图 2小区域三角形加权质心定位算法 Fig. 2 Small area triangle weighted centroid localization algorithm 生 ， 当 A 很大时， 压 点 受 ‘ 和 心 的 约 束 多 ， 权值 较小， 质 心 更 偏 向 于 AP2 和 AP3,故权值改进为 初i r ;同理， 小 区 域 交 点b2 a AP 和a p3 7 十 7 3 产生，故 权 值 2 r 1 获得改进的三角 3 3 d l d ； 形加权质心定位算法式（ 3 ，由此计算出未知节点 的坐标P x ， 3〇。 B i 1 b3 3 3 1 . 2 . 2 算法的误差比较 传统三角形加权质心定位算法与改进的小区域 三角形加权质心定位算法的误差比较如图3 所示。 从 图 3 可知， 传统三角形加权质心定位算法最大定 位误差为；m， 平 均 误 差 为 5 m。改进的小区域 三 角 形 加 权 质 心 定 位 算 法 的 最 大 定 位 误 差 为 3. 5 m， 平均误差为1. 8 m。 图 3传统三角形加权质心定位算法与改进的小区域 三角形加权质心定位算法的误差比较 Fig. 3 Comparison of error between the traditional triangular weighted centroid localization algorithm and the modified small area triangular weighted centroid localization algorithm 1.3 坐标修正 个参考节点 APi A AP2 B，AP3 C， AP4D等 间 隔 部 署 在 巷 道 两 侧 ， 间 距 为 F ;设 P〇 U，3〇 为 未 知 节 点 位 置，它 移 动 到 参 考 节 点 八 卩丄 ，AP2，AP3，AP4 的 距 离 为 Z i1，本文算 法最大定位误差为2. 5 m， 有 8 8 的点定位 在 2 m 以下， 平均定位误差为1. 5 m。比较2 种算法， 结 果表明， 本文算 位精度大大 。 2. 4 平 均 测 距 误 差 对 定 位 结 果 影 响 知节点到参 点 的 \SSI信号波动对真实 距离的计算有影响， 但是通过不 位算法可以 减小由测 带 位 。文献[16]算 测 方面没有 优 理 ， 测 大 ， 最终 位 急 。本文算法利用节点优选方 选择近 点 ， 平均测 引起 位误 差较小， 且趋于平缓。文献[16]算法与本文算法平 均测 位造成的影响如图10所示％ 离定位时本文算法优势更加明显。 2 0 1 8 年 第 8 期 赵 形 等 煤 矿 井 下 节 点 合 作 加 权 质 心 定 位 算 法 .37 造 成 的 影 响曲线 Fig. 10 Influence curve of average distance error on localization results of the two algorithms 3实验分析 3.1 实验场景布置 实验场景布置如图11所示， 在 长 为 30 m， 宽为 3 m， 高 为 3 m 的区 集 ， 利 用 ZigBee 进 行 RSSI发射与接收， 其 中 在 高 为 1. 5 m 的平面放 3 个参 点只发射信号， 9 知节点 「 接 收信号， 又可以发射信号， 对本文提出的算法进行实 景数据采集 位测试。 图 1 1 实验场景布置 Fig. 11 Experimental scene deployment 3.2 实验结果 将实验场景中部署的9 个 未 知节点C1 一Ce进 集与处理后 测试系统， 结果如图12所 示 ， 彳 图 1 2 的 定 位 结 果 得 到 表 1 。 从 表 1可看 the two algorithms 出， 在相同环境中， 文献[16]算法最大定位误差为 ; m 左右， 平均定位 达 到 5 m， 本文算法最大定 位误差为2. 5 m 左右， 平均定位误差为1. 5 m， 实际 测试结果与仿真结果 合 。节点合 质心定 位算 位系统 位精度。 表 1 2 种算法的定位坐标及误差 Table 1 Localization coordinates and errors of the two algorithms 未知节点 坐 标/m ， m 文 献[16]算法 坐 标/m ， m /m 文算 坐 标/m ， m /m Ci15, 1. 511， 1. 78413. 2, 1. 6 1.9 C213, 0. 49, 3. 90 5.1 12. 3, 0. 2 1.2 C318, 0. 216. 7， 一0. 16 3.3 16. 8, 0. 6 1.1 C411， 1. 514.1， 0. 71 2.88.9 ， 12.4 C 51， 1.615, 0 6.6 20. 8, 0. 51 C68, 0. 814. 3, 一1 5.67.3 ， 10.4 C73 , 0. 814.6, 0 7.5 23. 3, 1. 4 1.7 C826， 17320.4, 一47.726, 0. 52.3 C93 ， 0 -8 . 9, 2. 206.73. 6, 1. 11.4 4结论 1 节点合作加权质心定位算法实现了未知节 点接收与发送信号2 式 ，实 知节点 通信。利用参考节点与虚拟参 点合 作定位， 减 参 点的使用， 同时随着虚 拟参 点数目的增加， 系统定位 性更强， 避免 了因参 点失效造成系统失效。 2 节点合 质心定位算法通过节点合 作 、 改进三角形 质心定位算法及进一步修正横 标 ， 大大 位 。实验结果表明， 该算 法的平均定位误差为1. 5 m，基本可满足煤矿井下 长 巷道中人员定位精度要求。 参 考 文 献 （ References [1 ]胡 斌 斌 ， 倪 小 军 . 基 于 RSSI测 距 室 内 定 位 改 进 质 心 算 法 [ R ] 计 算 机 技 术 与 发 展，2017,278 33-136. HU Binbin， NI Xiaojun. An improved indoor localization algorithm of centroid with RSSI [ J ]. Computer Technology and Development, 2017 278 133-136. [ 2] 李 彦 ， 田亮. 一 种 结 合 辅 助 估 距 锚 点 的 W SN 改进型 DV-H op算 法 [ J ] . 大 学 学 报 （ 自然科学版） ， 2016,365 20-126. LI Yan，TIAN Liang. Improved DV-Hop algorithm in WSN combined with auxiliary anchor distance estimator[J]. Journal of Nanjing University of Posts and Telecommunications Natural Science ，2016， 38 工 矿 自 动 化2 0 1 8 年 第 4 4 卷 36520-126. 3 *马华兴. TD -SCD M A智 能 天 线 电 磁 辐 射 计 算 方 法 分 析 [J ].电 信 工 程 技 术 与 标 准 化 ， 20091 4 2 6 . MA Huaxing. Analysis of for computing smart antenna’s electromagnetic radiation [ R ]. Telecommunication Engineering Technology and Standardization,20091 24-26. [ 4 ] NARZULLAEVA， PARK Y ，YOO K ，et al. A fast and accurate calibration algorithm for real-time locating systems based on the received signal strength indication]. International Journal of Electronics and Communications,2011,65 305-311. [ 5 ] BULUSUN，HEIDEMANN J，ESTRIN D GPS- less low cost outdoor localization for very small devices]. IEEE Personal Comm Magazine， 2000， 7 5 28-34. [ 6] 王 琦 . 基 于 RSSI测 距 的 室 内 定 位 技 术 [J].电子科 技 ， 2012,256 4-66. WANG Qi. Research on an indoor positioning technology based on RSSI ranging [J ]. Electronic Science and Technology,2012,256 64-66. [7 ] XU Yaming， ZHOU Jianguo， ZHANG Peng. RSS- based source localization when path loss model parameters are unknown [J]. IEEE Communications Letters, 2014,186 105 5-1058. [ 8] 袁 鑫 ， 吴 晓 平 ， 王国 英 . 线 性 最 小 二 乘 法 的 RSSI定位 精 确 计 算 方 法 [ J ] . 传 感 技 术 学 报 ， 2014, 27 10 1412-14177 YUAN Xin， WU Xiaoping， WANG Guoying. Accurate computation approach of RSSI-based localization with linear least square [J ]. Chinese Journal of Sensors and Actuators， 2014, 27191412-1417. [ 9] 程 秀 芝 ， 朱 达 荣 ， 张 申 ， 等 . 基 于 RSSI差 分 校 正 的 最 小 二 乘 - 拟 牛 顿 定 位 算 法 [ J ] .传 感 技 术 学 报 ， 2014, 271 123-127. CHENG Xiuzhi， ZHU Darong， ZHANG Shen, et l RSSI-based differential correction least-squares-quasi- Newton positioning algorithm[J]. Chinese Journal of Sensors and Actuators， 2014， 271123-127. [10] WANG Yuan， MA Shaodan， CHEN PHILIP C . TOA-based passive localization inquasi-synchronous networks[J]. IEEE Communications Letters， 2014, 184 592-595. [11] SHEN Hong. Multiple source localization in wireless sensor networks based on time of arrival measurement [J]. IEEE Transactions on Signal Processing , 2014， 628 1938-1949. [ 2] 杨 浩 ， 周 俊 奇 ， 孟 庆 民 . 一 种 基 于 T D O A /T O A 的混合 三维 定 位 算 法 [J ].南 京 邮 电 大 学 学 报 （ 自然科学版） ， 2012,326 31-36. YANG Hao，ZHOU Junqi，MENG Qingmin. A hybrid three-dimensional location algorithm based on TDOA and TOA[J]. Journal of Nanjing University of Posts and Telecommunications Natural Science Edition，2012,326 31-36. [ 3] 龙 佳 ， 卑 璐 璐 ， 张 申 ， 等. 基 于 虚 拟 信 标 节 点 的 改 进 加 权 质 心 定 位 修 正 算 法 [J ].微 电 子 学 与 计 算 机 ， 2017， 343 74-78. LONG Jia， BEI Lulu， ZHANG Shen， et al. Improved weighted centroid localization correction algorithm based on virtual beacon nodes [ J ]. Microelectronics h Computer，2017,343 74-78. [ 4] 王 群 ， 李 宗 驿 ， 李 千 目 ， 等. 基 于 实 时 运 动 状 态 的 RSSI 测 距 室 内 定 位 算 法 [J ].南 京 理 工 大 学 学 报 （ 自然科学 版 ） ， 2015， 392229-235. WANG Qun， LI Zongxing， LI Qianmu， et al. Indoor localization algorithm based on real time state of motion and RSSI ranging [J ]. Journal of Nanjing University of Science h TechnologyCNatural Science Edition，2015,392229-235. [ 5] 熊 海 龙 ， 刘 漫 丹 ， 刘庆威.基于校正的无线传感器网络 加权 定 位 算 法 [J ].华 东 理 工 大 学 学 报 （ 自然科学版） ， 2014， 402225-229. XIONG Hailong， LIU Mandan， LIU Qingwti. A weighted localization algorithm based on correction for WSN [ J]. Journal of East China University of Science and Technology Natural Science Edition ， 2014， 402225-229. [ 6] 韩 东 升 ， 杨 维 ， 刘 洋 ， 等 . 煤 矿 井 下 基 于 R SSI的加权 质 心 定 位 算 法 [ J ] . 煤 炭 学 报 ，2013， 3 8 3 522-5287 HAN Dongsheng , YANG Wti , LIU Yang , et al. A weighted centroid localization algorithm based on received signal strength indicator for underground coal mine[J]. Journal of China Coal Society , 2013， 383 522-528. [17] YI X ， LIU Y ， DENG L. A novel environment seU- adaptive localization algorithm based on RSSI for wireless sensor networks [ C ]//2010 IEEE International Conference on Wireless Communications， Networking and Ination Security WCNIS 2010 360-363. [ 8] 李 论 ， 张 著 洪 ， 丁 恩 杰 ， 等 . 基 于 RSSI的煤矿巷道高精 度 定 位 算 法 研 究 [ J ] . 中 国 矿 业 大 学 学 报 ， 2017, 461 183-191. LI Lun， ZHANG Zhuhong， DING Enjie， et al. Research on high precision positioning algorithm of coal mine roadway based on RSSI [ J]. Journal of China University of Mining and Technology， 2017， 461 183-191.