基于RSS技术的煤矿井下人员定位系统设计

潘婷 吴倩 郑超群

摘 要：为了减少煤矿事故的发生，加强煤矿安全的管理，该文基于RSS的定位技术，设计了煤矿井下人员定位系统，可对煤矿入井人员进行实时跟踪监测和定位，可为工作人员提供矿井巷道网络、人员位置、危险区域及相应提示的动态信息。并从工程和原理两个方面进行论证此设计。实验结果表明设计的盲节发射器可以满足井下定位要求，并且该系统在定位精度、定位失效率和系统抗干扰能力方面有明显优势。

关键词：射频地图 井下定位 接入点 动态校正

中图分类号：TP39 文献标识码：A 文章编号：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

近年来我国矿难频发，而且存在的技术问题使得灾后搜救普遍存在以下困难：地面救援人员不能及时与井下被困人员进行通信；无法实时掌握井下人员的位置信息[1]；难以使用大型救援机械进行作业。这对国家造成的经济损失[2]和对遇难者家庭造成的精神损失不可估量。因此，井下安全、可靠、实用的定位系统设计已成为矿难救护亟待解决的问题之一。该课题旨在研究克服现有技术的不足，设计一种自适应的动态WiFi定位方法。该方法能够提供定位估算，并提供准确的整体性检测参数作为定位估算的参考。

1 基于RSS的定位原理

基于测距的RSS[3]定位技术有两种实现方法来计算RSS值与距离之间的关系：径损法和功率指纹法[4]。但考虑到径损法在收发双方的直接LOS要求在井下环境无法满足和在井下由于多径效应及信号衰落等因素的存在，使得其无法适用井下人员定位。

功率指纹法由两阶段组成：离线位置射频测量的训练阶段和在线实时估算阶段。训练阶段需要建立一个指示信号强度的Radio Map数据库。在线实时估算阶段将盲点上测得的RSS值与Radio Map数据库中的数据进行模式匹配。

为了尽量减少过多的AP会对Radio Map造成操作冗余[5]，我们利用基于快速正交搜索的快捷特征减少法来同时拟合多个观测值，从而实现AP的快速智能选择。

2 定位网络部署与盲节点的设计

功率指纹法能够提供井下定位1～2 m的定位精度，在完成离线位置射频调查的训练阶段和在线实时估算阶段的情况下，该方法还需要一个能够正确复制那些复杂的室内信号功率特征的Radio Map。

该文将设计一个基于WLAN网络的井下定位方法。该方法能够提供定位估算，并提供准确的整体性监测参数作为定位估算的参考。解决的问题包括以下几方面。

（1）C/S型井下定位网络部署方案。

（2）盲节点设计。

（3）基于贝叶斯回归算法的AP的RSS分析。

（4）基于该分析的在线动态校正Radio Map的方法。

井下定位系统的总体构成包括相关算法模块、数据库和定位对象。算法模块涉及的算法包括贝叶斯回归算法、模式分类算法、定位算法；数据库主要有Radio Map数据库和在线RSS观测数据库[6]。

定位过程执行的操作主要有功率指纹计算、模式分类、定位、当前功率模式计算、噪声过滤、AP的RSS预测、Radio Map在线动态检验/校正。

图1为C/S型定位网络部署图。定位客户端（盲节点）和定位服务器分别发出定位请求和定位响应，后者由中心计算机承担定位计算任务[7]。IEEE802.3局域网介于定位服务器和WiFi网络之间，充当通信媒介的角色。此外，该定位网络还提供到Internet的连接。可满足国家应援救灾指挥中心等远程安全监控部门的需求[8]。

该定位系统在井下部分采用Zigbee网络，每个移动盲节点通过射频天线发射2.4 GHz信号，AP接收器部署在井下的固定位置，这使得设计符合系统要求盲节点是实现定位的重要环节。

3 电路和软件

该文利用ZigBee技术的多节点、自组网、传输距离远的特点，设计了一种无线信号盲节点发射器。盲节点发射器主要由以下几部分组成：电源模块、无线射频收发模块、传感器模块和数据存储模块。系统的总结构如图2所示。

盲节点系统的核心器件是射频CC2430芯片，除了包括的最基本的RF收发器外，系统集成了增强型8051MCU、32/64/128KB的Flash内存、8 kB的RAM、DMA以及看门狗等。CC2430工作的频段为2.4 GHz，采用底电压（2.0～3.6 V）供电且功耗很低（工作电源接受数据时为27 mA，发送数据时为25 mA），其灵敏度高达 -91dBm、最大输出功率为+0.8 dBm、最大传送速率为250 kbps。

盲节点发射器的设计首先要考虑便携和低功耗，以便长时间内使用。为了简化系统，采用4.2 V锂电池18650供电，CC2430的工作电压需要维持在2.0～3.6 V，因此，需要使用一个电压差为0.7 V的二级管对电压模块进行降压处理来保护芯片不受损坏。

传感器模块主要作用是收集井下的环境数据，监控井下工作环境，在环境数据超出安全域值做出危险预警并保存数据。在此，我们在硬件设计中仅使用CH4传感器（MH-440V/D红外气体传感器）模拟之。MH-440V/D红外气体传感器利用非色散红外原理对空气中存在的CH4进行探测，具有很好地选择性和无氧气依赖性。并且，其内置温度传感器，可进行温度补偿。

天线模块可以有多种选择，差动天线、单级天线、螺旋天线、环形天线都可使用。该文采用了单级天线WAN5020D245M04。

盲节点发射器外围电路一些核心参数如下：电路使用一个非平衡单级天线，连接非平衡变压器，可使天线性能更好；电路中的非平衡单级天线由电容C341和电感L341、L321、L31以及一个PCB微波传输线组成，整个结构满足RF输入、输出匹配电阻的要求：内部T/R交换电路完成LNA和PA之间交换；R221和R261为偏置电阻，电阻R221主要为32 MHz的晶振提供合适的工作电流；用1个32.768 kHz的石英谐振器（XTAL2）和2个电容（C441和C431）构成一个32.768 kHz的晶振电路；电压调节器为所要求 2.0～3.6 V电压引脚和内部电源供电；C241和C421电容是去耦电容，用作电源滤波，可提高芯片工作的稳定性。

而另一方面，盲节点发射器的软件系统主要控制CC2430芯片的工作。首先，传感器进行数据采集工作，在进行信号发射的时候，初始化CC2430的各个功能模块，并由晶振电路产生高频振荡信号，再由芯片内部的信号调制器调制产生2.4 GHz的无线信号，经系统发射电路输出到单级天线，从而完成信号的发射。为了保证信号发射器的时效性，我们在系统内部加入了休眠电路，当信号发射完成后，系统将进入休眠的低功耗状态。图3显示了盲节点发射器2.4 GHz信号发射控制软件流程图。

盲节点信号发射器数据采集功能的软件控制流程如图4所示，采集模块启动后，首先设置数据存储地址，然后打开中断控制设置采集时间，等待信号采集结束，将采集到的信号进行A/D转换和数字滤波，并将处理后的数据存储到存储器中。

4 结语

为了确保定位性能，验证所设计硬件系统的可靠性，用2台发射器作为测试对象，采用R&S公司的FSH3型手持式频谱仪（测试频段9 kHz～8 GHz）观测无线发射器输出信号功率，连续24小时每分钟采集一次数据。测试结果说明了盲节点发射器的可靠性、功耗和输出信号的稳定性均达到设计要求，可以进行定位实验。

参考文献

[1] 钟新跃，谢完成.无线传感器网络在煤矿环境检测中的应用[J].煤炭技术，2009，28（9）：102-103.

[2] 景兴鹏，王伟峰，黑磊，等.无线传感器网络在煤矿安全智能监控系统中的应用[J].煤矿技术，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] 叶静.综合性网络化自动安全监测系统的设计与研究[D].重庆：重庆大学，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.