《電子技術應用》
您所在的位置：首頁 > 模擬設計 > 設計應用 > 基于信號置信度的礦井定位方法研究
基于信號置信度的礦井定位方法研究
電子技術應用
張鵬1，2
1.煤礦災害防控全國重點實驗室；2.中煤科工集團重慶研究院有限公司
摘要： 針對煤礦井下狹窄縱深的巷道環境，無線信號極易反射導致定位精度差甚至定位失敗的問題，提出了一種利用UWB信號置信度，結合定位神經網絡模型、TOF測距和Kalman濾波的組合定位方法。首先利用標識卡與基站間的UWB信息及標識卡真實距離，離線訓練定位神經網絡模型。其次在實時測距時提出UWB信號置信度判別方法，參與TOF定位計算，最后再通過Kalman濾波進一步提升定位精度。結果表明：該方法能夠在煤礦井下顯著降低由于信號反射所導致的定位精度差問題，混合定位精度小于10 cm，具有速度快、穩定性高等優點。
中圖分類號：TD67;TP212 文獻標志碼：A DOI: 10.16157/j.issn.0258-7998.256407
中文引用格式： 張鵬. 基于信號置信度的礦井定位方法研究[J]. 電子技術應用，2025，51(9)：79-83.
英文引用格式： Zhang Peng. Research on mine positioning method based on signal confidence[J]. Application of Electronic Technique，2025，51(9)：79-83.
Research on mine positioning method based on signal confidence
Zhang Peng1，2
1.State Key Laboratory of Coal Mine Disaster Prevention and Control；2.China Coal Technology Engineering Group Chongqing Research Institute
Abstract： A hybrid positioning method combining Ultra Wide Band (UWB) signal confidence, a location neural network model, Time-of-Flight (TOF) ranging, and Kalman filtering is proposed to address the challenges of severe signal reflection in narrow and deep coal mine galleries. The method first trains a location neural network model offline using UWB communication data between tags and base stations, along with known true distances of the tags. During real-time positioning, a UWB signal confidence discriminant method is introduced to refine TOF measurements. Finally, Kalman filtering is employed to further enhance positioning accuracy. Experimental results demonstrate that this approach effectively reduces positioning errors caused by signal reflections in underground coal mines, achieving hybrid positioning accuracy below 10 cm with advantages of high speed and excellent stability.
Key words : tunnel environment；ultra wide band；signal confidence；combined positioning algorithm；neural network

引言

根據國家煤監局最新發布的《煤礦井下人員定位系統通用技術條件》，煤礦井下人員精確定位系統靜態定位誤差需要控制在0.3 m范圍內[1]，然而傳統的定位方案，如基于藍牙、RFID、Zigee和Wi-Fi等技術的定位方案[2-4]，由于其定位精度的局限性，只能實現區域定位，無法滿足這一嚴格標準。隨著超寬帶技術(Ultra Wide Band, UWB)技術的不斷完善，其抗干擾能力強、定位精度高和功耗低的優點得到了廣泛認可[5-6]，越來越多的企業和組織開始研究基于UWB技術的精確定位方案，并逐步替代其他傳統的定位方案，成為主流精確定位技術，并在煤礦井下得到廣泛應用[7-9]。

在煤礦井下的長巷道結構中，常常使用飛行時間(Time of Flight, TOF)測距算法來實現人員的精準定位[10-11]。但由于這些巷道多為窄長構造，導致UWB信號在傳播過程中容易發生多次反射。這不僅嚴重影響定位精確，甚至在某些情況下，還會導致信號無法被定位基站有效檢測從而無法有效定位。隨著智能礦井建設的深入推進，井下機車的自主導航成為了可能，這為礦山的生產和管理帶來了巨大的便利。然而，這也對定位系統的精度和穩定性提出了更高的要求。傳統的單一一維定位方法已經無法滿足這些需求，因此需要尋找精度更高，穩定性更好的算法以解決這一問題。

為了降低井下UWB信號反射對定位精度的影響，本文提出了一種創新的定位方法。該方法結合了UWB信號置信度、定位神經網絡模型、時間飛行（TOF）測距以及Kalman濾波算法[12-14]。通過將離線神經網絡與傳統定位算法有機結合的方式，進一步提升定位精度和定位穩定性。


本文詳細內容請下載：

http://m.k9cmxukaiye.cn/resource/share/2000006692


作者信息：

張鵬1，2

（1.煤礦災害防控全國重點實驗室，重慶 400039；

2.中煤科工集團重慶研究院有限公司，重慶 400039）


Magazine.Subscription.jpg

此內容為AET網站原創，未經授權禁止轉載。