基于ZigBee的井下巷道人员定位系统.pdf

第33卷第4期2023年12 月洛阳理工学院学报（自然科学版）Journal of Luoyang Institute of Science and Technology(Natural Science Edition)Vol.33No.4Dec.2023基于ZigBee的井下巷道人员定位系统夏书娟，苗曙光*，李晨晨，刘想，张岳，汪徐德（淮北师范大学物理与电子信息学院，安徽淮北2 350 0 0)摘要：传统的井下人员定位技术（如RFID定位）存在定位误差大、成本高、布线困难等问题，在适应环境、成本能耗、定位精度等综合考虑下设计了基于ZigBee的井下巷道人员定位系统。该系统以CC2530作为定位模块，以ZigBee协议为核心的Mesh网络作为传输方式，达到实时监测井下人员位置的功能。首先，使用卡尔曼滤波算法对接收到的RSSI值进行数据处理；其次，对RSSI值进行阈值优化，将RSSI值经由传输系统上传至监控管理中心；最后，利用三角形加权质心算法对未知节点进行求解定位。针对该定位系统，提出了一种改进的RSSI算法，在定位精度上提高了7 0%左右，且不依赖于锚节点的数量，具有较好的应用价值。关键词：ZigBee；R SSI；人员定位；卡尔曼滤波；阅值优化D01:10.3969/j.issn.1674-5043.2023.04.011中图分类号：TP277长期以来，我国的能源特点是“富煤少气”，煤炭资源约占世界煤炭总资源的11.1%，在国民经济中占有举足轻重的地位。随着煤矿开采的不断深入，环境越来越恶劣，时常会发生瓦斯、煤尘、透水等灾害，井下人员的安全问题备受关注。建设可靠的井下人员定位系统是防范事故发生、减少人员伤亡、提高煤矿事故营救效率的重要保障。随着网络技术智能化的发展，以ZigBee为代表的无线传感器网络（w i r e l e s s s e n s o r n e t w o r k，WSN）的应用领域越来越广，如军事应用、工厂监测、农业生产、智能家居、医疗护理和煤矿井下等领域。本文设计了基于RSSI算法的井下人员定位系统，在不增加锚节点成本的情况下提出了一种基于卡尔曼滤波的值优化算法。该系统优势在于成本能耗低、硬件设备少、抗干扰能力强，能较好地满足煤矿井下场景的需求。1定位系统的整体概述定位系统主要由锚节点、定位装置、协调器和监控管理中心组成，如图1所示。（1）监控管理中心。监控管理中心主要用于分析协调器发来的各个锚点与人员的位置信息，通过算法计算出人员的具体位置并显示出来。在必要时还可通过监控管理中心找到距离人员最近的锚节点，并下发报警信号。（2）协调器。协调器主要用于将锚节点发来的数据经过编码打包的方式通过以太网上发给监控管理中心，并在接收到管理中心下发的报警信息时，立即给对应的锚节点发送报警信号。（3）锚节点。锚节点主要用于接收定位装置发送的请求信号，通过信号强度转化的RSSI值计算出节点与定位人员的距离，并将数据上发给协调器，在接收到报警信息后会立即给定位人员发送报警信号。（4）定位装置。定位装置主要佩戴在井下人员的身上，通过不断地发送定位请求给锚节点，将自已的具体位置告诉监控管理中心。在接收到锚节点发送的报警信号后会立即通过声光报警装置发出报警提醒人员。收稿日期：2 0 2 3-0 3-15作者简介：夏书娟（19 9 8-），女，安徽合肥人，在读硕士研究生，主要从事无线传感器网络人员定位方面的研究.E-mail：通讯作者：苗曙光（19 8 3-），男，安徽宿州人，博士，副教授，硕士生导师，主要从事矿山物联网及煤岩识别定位方面的研究.E-mail:msgmcu 基金项目：安徽省高校自然科学研究项目（2 0 2 3AH050343）；安徽省教育厅质量工程项目（2 0 2 1xsxxkc272,2022jyxm1405）；准北师范大学校级质量工程项目（2 0 2 1xjxyj024，2 0 2 1z l g c 0 2 3,2 0 2 2 s y k f 0 45）；安徽省大学生创新创业训练计划项目（S2 0 2 310 37 30 9 1）；国家级大学生创新创业训练计划项目（2 0 2 2 10 37 30 14）文献标识码：A文章编号：16 7 4-50 43(2 0 2 3)0 4-0 0 6 4-0 6第4期2定位节点设计2.1系统工作流程系统以CC2530作为锚节点、人员定位装置、协调器的主控。将锚节点安装在井下隧道旁，当携有定位装置的人员经过时，定位装置会向附近的锚节点发送请求信号，接着锚节点会把接收到的信号强度转化为距离值，并通过多跳的传输方式进行逐级传递，使距离信息汇总至协调器，再由协调器借助以太网上传到井上的监控管理中心。监控管理中心通过处理各个节点与定位人员的距离，利用加权质心定位算法计算出人员位置，并显示出来。总体流程如图2 所示。夏书娟，等：基于ZigBee的井下巷道人员定位系统锚点3锚点?巷道1井下人员锚点6锚点5图1井下ZigBee定位系统框图开始65监控管理中心以太网锚点7锚点1并下人员协调器）巷道2人锚点4锚点10猫点13锚点并下人锚点1巷道3锚点1锚点8锚点11锚点14锚点15锚点9锚点12系统初始化人员佩戴定位装置自检查定位信号发送是否接收到报警信号是发出声光报警锚节点装置协调器自检自检是否接收信号是否发送是报警信号是否定位信号是否发送报警信息给处理定位信号算最近的锚节点法计算锚点与人员距离发送给人员报警信号锚节点上发协调器以太网上发上位机上位机接收数据并算法计算位置并显示结束图2 总体流程图662.2系统资源介绍主要用到的硬件资源：电源模块、CC2530单片机、无线通信模块、声光报警和OLED显示模块，如图3所示。洛阳理工学院学报（自然科学版）无线通信天线第33卷电源管理复位（1）电源模块：为定位节点提供电源，CC2530单片机工作电压一般处于2.6 3.6 V，为保障单片机以及其他模块的正常工作，选用了3.3V稳压芯片作为系统供电模块。（2）CC2 530 单片机：由TI公司生产，用于ZigBee的片上系统2】，芯片结合了ZigBee协议栈，具有中断、定时器、看门狗、串口、高精度ADC、D M A 等多种功能外设，在本设计中通过使用内部12 位高精度ADC采集信号强度并转化为RSSI；将RSSI值通过算法计算得到距离信息并存储在CC2530的Flash中；CC2530拥有高性能的RF收发器和增强型的8 0 51微处理器3，具有信号无线传输、数据分析处理等功能。（3）R F天线接口：用于增强信号定向式传输和信号接收，通过天线接收人员定位装置发出请求信号，计算RSSI进一步转化为距离信息，再发送给协调器。（4）声光报警：通过在监控管理平台给人员下发报警信号，人员定位装置接收到报警信号会立即通过声光的方式实现报警。（5）O LED 显示模块：通过OLED显示电源电量，人员定位装置可以显示人员所处位置，在接收到报警信号后可以显示报警信息。3定位系统的关键技术井下工作面人员定位系统关键的定位技术主要包括：RSSI测距算法、卡尔曼滤波算法、加权质心定位算法。3.1RSSI 测距采用对数-距离损耗模型，利用信号值的损耗来计算信号传播的距离4：将Rss值转化为距离：式中：d（d）是收发端之间的距离；d是锚节点间的参考距离；Rss（d）表示锚节点接收到的强度值；Rss（d o）表示理想环境下信号传输距离为d时锚节点接收到的强度值；n为路径损耗系数；w。是服从零均值高斯分布的随机变量53.2卡尔曼滤波算法由于信号环境等干扰因素，采集到的Rss/值中含有大量噪声，采用卡尔曼滤波进行除噪处理，将 Rss值中的突变或异常数据滤除。将采集到的信号值输入到以下系统方程中，通过预测和更新，得到下一时OLED显示MPUCC2530图3定位节点组成框图Rss(d)=Rss(do)-10nlg(Rss(do)-Rss/(d)+gd=do 1010m声光报警+W。(1)(2)第4期刻的状态准确值。式中：X，是滤波后k时刻的RSSI值；A为状态转移矩阵，表示预测过程，取1；B为控制矩阵，取0；U,称为控制输人向量；Z,是k时刻测量的RSSI值；H表示从状态量到观测的转换矩阵取1；W,和V.分别表示过程和测量噪声，均为高斯白噪声6 O卡尔曼滤波基本迭代过程：（1）向前推算状态变量：基于上一时刻（k-1时刻）的最优估计值预测k时刻的先验估计，并加上外部控制量的修正。(3)式中：X(1I-1）是上一时刻的最优结果7；X(hl1）是时刻的结果。（2）向前推算误差协方差：基于上一时刻（k-1时刻）的不确定性（后验估计协方差）预测k时刻的先验估计协方差，并加上外部环境的干扰。(4)式中：P(kl1）是(l1)的协方差；P(k-1)是X(-1-1）的协方差；Q是W（过程噪声）的协方差7 。（3）计算卡尔曼增益：基于预测部分和测量部分的两个高斯分布的结合。K=P(kI k-1)H(HP(kI k-1)HT+R)-1式中：R是V（测量噪声）的协方差，一般可以观测到，是已知条件。（4）观测变量更新估计：预测和测量的残差结合卡尔曼增益一起修正预测，得到最优估算X(hIk）。(6)（5）更新测量协方差：P(k k)=P(kl k-1)-KHP(kl k-1)这是卡尔曼算法的一次滤波过程，如图4所示，X(hl k）为新的最优估计，将X(klk）和P(kk）放到下一个预测和更新方程中不断迭代。9X(k-1/k-1)预测夏书娟，等：基于ZigBee的井下巷道人员定位系统状态方程：X,=A Xh-I+BU,+W.观测方程：Zi=HX+VX(hI k-1)=AX(k-1 I k-1)+BUkP(k1 k-1)=AP(k-11 k-1)AT+QX(I k)=X(kl k-1)+K(Z-HX(kl k-1)ABUk67(5)(7)HRX(k/k-1)跟新X(k/k)P(k-1/k-1)3.3改进的基于RSSI测距算法对通过卡尔曼滤波处理后的 RSSI 值从小到大进行排列，即 Rss.1 Rss.2 Rss.3 Rss、n，确定其中位数MRss:(8)M+RssI,+1)R2SSI由于中位值附近误差信号影响，在中位数中增加一个阈值，用于优化RSSI值。取值方法：不同RSSI值分别与中值求差，将差值平方求和，取平均值即阈值：(9)Z (Rs.-M rs)(10)avgn预测图4卡尔曼滤波算法过程图Rss,T,=(Rss,:-M rss)2P(k/k-1)跟新Kn为奇数n为偶数P(k/k)68接着使用误差的阅值对权值进行优化：若某个RSSI值位数之差的平方（方差）小于阅值，则权值由阈值（Tavg）决定8 ；若方差大于阈值，则权值由方差（T）决定。RSSI测量值的权值定义：(11)1洛阳理工学院学报（自然科学版）11+max(T,(Rss,-M ss)W;=第33卷将该组的每个RSSI值分别与对应的权值相乘再求和，得到最终的 RSSI 值。Rss=Rsst,iXW;i=13.4三角形加权质心定位算法三角形状加权质心定位算法在质心算法的基础上通过给每个锚节点分配不同权值的方法，进一步提高定位精度，即锚节点离未知节点越远其权值越小9-0)。设未知节点到锚节点的距离分别为da、d u、d a。第i个未知节点O估计坐标为（;，y,），计算公式：XBd+dbdbi+d11dbidbiYAd+dbi14仿真结果与分析为了验证改进算法的性能，使用Matlab软件进行仿真实验，选定区域为在10 0 m5m的区域，将2 0个锚节点均匀分布在区域长边框，以此来模拟井下巷道。设路径损耗因子为5，通信半径为10 m，进行仿真实验50 次，取结果的平均值。当锚节点为2 0 个时，将实际值、质心定位、加权质心定位估计值进行对比，仿真结果如图5和6 所示。3002502001501005000100 200 300 400 500 600 700 800 9001000图5锚节点为2 0 个时的定位坐标卡尔莫滤波改进后的加权质心算法的定位误差明显小于质心定位的算法误差。质心定位的最大定位误差距离为4.3m，集中分布在1 3.2 m，平均定位误差在2.0 47 m；加权质心算法的最大定位误差距离为1.8 m，集中分布在0.3 1.5m，平均定位误差在0.59 4m，定位精度提高了7 0%左右。为了评估锚节点密度对质心定位算法和加权质心定位算法的影响，增加一组锚节点为40 个进行仿真如图7 和图8 所示。质心定位受锚节点数量影响较大，在40 个锚节点情况下，平均定位误差为1.2 7 m；加权质心定位受锚节点数量影响较小，平均定位误差为0.539 m。(12)dai+d1+dciyBdbi+d.10.45实际位置质心定位加权质心定位轴d+dycd+d1d0.40.350.30.250.20.150.10.0505101552025303540未知节点序号图6 定位误差(13)质心定位加权质心定位4550第4期30025020015010050100 200 300 400500 600 700 800900 1 000图7 锚节点为40 个时的定位坐标5结语对ZigBee的井下人员定位系统进行了研究与设计，系统以CC2530作为主控芯片，实现了井下人员的实时定位与监控。针对RSSI信号容易受到噪声、多径传播、障碍物阻挡等影响，且在计算过程中存在信息丢失的问题，提出了一种基于卡尔曼滤波的阈值优化算法。相较于传统的质心定位算法，改进后的定位算法减小了定位误差，明显提升了定位精度，且不依赖于锚节点的数量，有效缩减了锚节点的硬件成本，同时也提高了定位的相对稳定性。参考文献：1】孙金海，明建，胡东东，等.基于ZigBee的RSSI矿山人员定位改进算法研究J.矿业研究与开发,2 0 2 2,42(9)：16 5-16 9.2田昕，魏国亮，王甘楠.无线传感器网络定位综述J.信息与控制,2 0 2 2,51(1):6 9-8 7.3】陈鑫浩。具有被困人员定位功能的火灾报警系统的研究与设计D.长春：吉林建筑大学,2 0 2 1:15-17.4般大澍.基于RSSI和TOA融合的矿井人员精确定位方法J.测控技术,2 0 17,36(5)：13-15.5周超，陶沙.基于RSSI的WSN定位算法的研究J.电子测试,2 0 2 0(18)：7 6-7 7.6李少年，李毅，魏列江，等.基于改进卡尔曼数据融合算法的温室物联网采集系统研究J.传感技术学报,2 0 2 2,35(4)：558-56 4.7 CAPALBO C E,DE GREGORIIS D,TAMAROZZI T,et al.Parameter,input and state estimation for linear structural dynamics usingparametric model order reduction and augmented Kalman filteringJ.Mechanical Systems and Signal Processing,2023(1):185.8刘雨，肖本贤，尹柏强.基于修正RSSI值的四边形加权质心定位算法J.电子测量与仪器学报,2 0 2 0,34(10)：10 7-114.9】李昊，柏植，由佳，等.基于改进质心算法的无线传感器网络定位研究J.西安文理学院学报（自然科学版）,2 0 2 2,2 5（3）：47-52.10徐怀芹,黄坤，杨义，等.基于ZigBee的井下定位系统研究与设计J.电脑知识与技术,2 0 2 2,18(4)：12 3-12 4.(School of Physics and Electronic Information,Huaibei Normal University,Huaibei 235000,China)Abstract:Traditional underground personnel positioning technology(such as RFID positioning)has problems such as large positioningerror,high cost,and difficult wiring.Therefore,a ZigBee based underground roadway personnel positioning system is designed basedon comprehensive considerations such as environmental adaptability,cost and energy consumption,and positioning accuracy.The sys-tem uses CC2530 as a positioning module,and a Mesh network with ZigBee protocol as the core as a transmission method,thereby a-chieving the function of real-time monitoring the location of underground personnel.Firstly,a Kalman filtering algorithm is used toprocess the received RSSI value.Then threshold optimization of the RSSI value is followed,which is uploaded to the monitoring man-agement center through the transmission system.Finally,a triangular weighted centroid algorithm is used to solve and locate unknownnodes.An improved RSSI algorithm is proposed for this positioning system.Simulation results show that the algorithm improves positio-ning accuracy by about 70%,and does not depend on the number of anchor nodes,having better application value.Keywords:ZigBee;RSSI;Personnel positioning;Kalman filtering;Threshold Optimization夏书娟，等：基于ZigBee的井下巷道人员定位系统米实际位置质心定位加权质心定位轴Research on Personnel Positioning System of Underground Roadway Based on ZigBeeXIA Shujuan,MIAO Shuguang,LI Chenchen,LIU Xiang,ZHANG Yue,WANG Xude690.35质心定位0.3加权质心定位0.250.20.150.10.05005101520253035 404550未知节点序号图：定位误差(责任编辑：陈白生）