论文部分内容阅读
井下人员定位是煤矿安全管理的重要应用领域之一,无线局域网(Wireless Local Area Network,WLAN)位置指纹定位以其成本低、精度可控、非测距等特点已逐渐成为适用于井下人员定位应用的解决方案。目前,矿井WLAN位置指纹定位的应用仍存在四个关键问题有待解决:指纹样本采集过程的噪声干扰问题,位置指纹库的构建和维护极为繁琐的问题,井下接入点(Access Point,AP)稀疏分布时的位置指纹定位问题以及在线位置指纹匹配的精度和效率不高的问题。本课题针对上述关键问题逐一开展研究工作。针对指纹样本的噪声干扰问题,提出了用于消减噪声样本的τ采样间隔自相关滤波算法,提升了各参考点处指纹样本的有效性。τ采样间隔自相关滤波算法利用原始接收信号强度(Received Signal Strength,RSS)的波动性并以样本均值为样本间波动差值的参照,将噪声样本的差异特性放大,从而精确找出并滤除噪声样本。实验结果表明,使用τ采样间隔自相关滤波后的样本进行定位比采用原始样本和基于链路质量指示(Link Quality Indication,LQI)滤波后的样本的定位精度分别提升了1m和0.5m。针对位置指纹库的构建和维护较为繁琐的问题,提出了基于量子粒子群优化结合用户位置轨迹反馈(Quantum behaved Particle Swarm Optimization-User Location Trajectory Feedback,QPSO-ULTF)算法的位置指纹库自适应构建方法和更新方法。位置指纹库的构建过程以位置轨迹点候选参考点的校正样本为标度,采用QPSO算法对用户位置轨迹反馈的RSS数据进行自适应调整。而位置指纹库的更新过程以滤除位置轨迹点的RSS数据为标度,采用QPSO算法对相应参考点的校正样本进行更新,之后再通过指纹样本的二次构建完成位置指纹库的更新。实验结果表明,QPSO-ULTF算法有效改善了传统位置指纹库的人工采集过程并提升了井下人员定位系统的鲁棒性。对于井下AP稀疏分布时的位置指纹定位问题,提出了基于多重关联虚拟接入点(Multi-Association Virtual Access Point,MA-VAP)的位置指纹定位方法。MA-VAP方法通过对虚拟接入点(Virtual Access Point,VAP)和多个AP信号离线采样数据之间的最小二乘线性拟合构建出VAP的多重关联函数,并由多重关联函数生成VAP的RSS值,以弥补因AP稀疏分布导致的RSS序列部分信息元的缺失。实验结果表明,MA-VAP方法有效解决了井下AP稀疏分布时的位置指纹定位问题,比采用VAP方法时的定位精度提升了22.22%。为了改善在线定位阶段位置指纹匹配过程的精度和效率,提出了基于区域划分和自适应核主成分分析(Adaptive Kernel Principal Component Analysis,AKPCA)算法的位置指纹定位方法。所提出的基于类关系的K均值聚类(Class Relationship K-Means,CRK-Means)算法有效解决了子区域划分中的奇点问题,而采用随机森林(Random Forest,RF)算法与遗传算法(Genetic Algorithm,GA)相结合的GA-RF算法提升了子区域粗定位精度。子区域内精确定位所采用的AKPCA算法将最优AP选择算法与核主成分分析(Kernel Principal Component Analysis,KPCA)算法相结合,使本征维数的计算具有一定的子区域自适应性,有效改善了KPCA算法中使用最大似然估计法求解的本征维数对于位置指纹库过于单一的问题。实验结果表明,AKPCA算法在置信概率为90%时的定位精度达到了2.5m,同时AKPCA算法也有效减少了定位过程中的资源消耗。该论文有图76幅,表15个,参考文献154篇。