敬振宇, 熊興中

(四川輕化工大學(xué)自動化與信息工程學(xué)院, 四川自貢643000)

引言

隨著礦井自動化、信息化建設(shè)的不斷深入，礦井行業(yè)對井下人員/機(jī)車等目標(biāo)的定位管理要求越來越高，而采用傳統(tǒng)區(qū)域定位方法的礦井人員定位系統(tǒng)已經(jīng)難以滿足礦井建設(shè)的需要[1]。與區(qū)域定位只能定位一個(gè)大的位置范圍不同，精確定位能將井下目標(biāo)準(zhǔn)確定位到具體范圍，能直觀展現(xiàn)井下目標(biāo)的確切位置，對礦井安全生產(chǎn)具有重要意義。因此從長遠(yuǎn)角度講，在人員定位系統(tǒng)中，精確定位是發(fā)展的趨勢。

精確定位的前提條件是精準(zhǔn)測距[2]，當(dāng)前的研究也主要集中在基于測距方式的定位算法上面[3]。目前測距方式主要有飛行時(shí)間(Time of Flight，TOF)、到達(dá)時(shí)間差(Time Difference of Arrival，TDOA)、接收信號強(qiáng)度(Received Signal Strength Indicator，RSSI)、到達(dá)角度(Angle of Arrival， AOA)等[4]。由于電磁波在井下傳輸中存在明顯的多徑原因，到達(dá)角度(AOA)技術(shù)暫不具備實(shí)際應(yīng)用條件[5]，在此不做具體分析。到達(dá)時(shí)間差(TDOA)技術(shù)實(shí)現(xiàn)測距需要多個(gè)定位節(jié)點(diǎn)協(xié)同工作，由于能源、帶寬和網(wǎng)絡(luò)壽命的限制，以及需龐大數(shù)目的定位節(jié)點(diǎn)參與定位，因此不能很好地改善定位性能，還會增加系統(tǒng)的復(fù)雜性和消耗[4]?；赗SSI的測距方式已被眾多研究證明具有實(shí)際應(yīng)用的基礎(chǔ)，但由于環(huán)境問題，RSSI在應(yīng)用中仍舊存在諸多問題，如：因其遠(yuǎn)距離分辨率低而無法應(yīng)用于遠(yuǎn)距離測距，另外易受實(shí)際環(huán)境影響、測距誤差較大[6]。飛行時(shí)間(TOF)作為當(dāng)前測距最準(zhǔn)確的技術(shù)之一[7]，研究其測距特性對提升礦井定位精度有著較大的實(shí)際意義。但由于TOF本身特性[8]，它在近距離的測距時(shí)誤差較大，基本上都在8 m以上[9]。綜上所述，在多變的環(huán)境中，這些單一的測距手段已不再適用，使得測距技術(shù)的融合應(yīng)用已成為無線測距技術(shù)發(fā)展的趨勢。

為了滿足在不同距離段對測距的需求，且保證測距的精度和穩(wěn)定性，綜合考慮到RSSI測距在近距離段和TOF測距在遠(yuǎn)距離段有良好的測距性能，本文在研究TOF和RSSI測距技術(shù)的基礎(chǔ)上，針對實(shí)際環(huán)境中TOF近距離的測距誤差比較大的問題，提出了采用RSSI和TOF融合的優(yōu)化測距方法，以減少測距誤差，提高穩(wěn)定度，滿足實(shí)際需求。

1 TOF和RSSI測距

1.1 TOF測距特性

TOF方式是在已知信號傳播速度的前提下, 通過信號在節(jié)點(diǎn)之間傳輸?shù)臅r(shí)間來達(dá)到測距目的[10]，其測距原理如圖1 所示。其測距公式為：

dTOF=c*tTOF

(1)

tTOF=((tAA-tAB)-(tBB-tBA))/2

(2)

其中：tAA和tAB分別代表當(dāng)前設(shè)備A節(jié)點(diǎn)發(fā)和收的時(shí)間；tBB和tBA分別代表當(dāng)前設(shè)備B節(jié)點(diǎn)發(fā)和收的時(shí)間；c為光速(3×108m/s)。

圖1 TOF測距原理

圖2 TOF測距性能

此時(shí)，在0 m～30 m區(qū)間內(nèi)使用TOF測距，測得的數(shù)據(jù)值和實(shí)際值誤差較大，部分點(diǎn)測距誤差能夠達(dá)到10 m以上，無法滿足測距要求。因此需要進(jìn)行測距校正使測距精度符合要求才能進(jìn)行定位。

1.2 近距離RSSI測距特性

接收信號強(qiáng)度指示(RSSI)的測距定位技術(shù)對硬件的要求低、功耗小，且不需要時(shí)間同步，具有容易實(shí)現(xiàn)等優(yōu)點(diǎn)，在實(shí)際中得到了廣泛的應(yīng)用。

在定位理論中，RSSI測距定位技術(shù)是通過發(fā)射點(diǎn)和接收點(diǎn)之間的信號強(qiáng)度值來估計(jì)兩點(diǎn)之間的傳播損耗，再根據(jù)經(jīng)驗(yàn)?zāi)Ｐ秃拖嚓P(guān)理論知識將發(fā)射節(jié)點(diǎn)和接收節(jié)點(diǎn)之間的傳輸損耗轉(zhuǎn)換為兩點(diǎn)之間的距離，最后根據(jù)相應(yīng)的算法推算出未知節(jié)點(diǎn)的位置，現(xiàn)在普遍使用的理論模型是[11]：

(3)

其中：d為接收端和發(fā)送端兩點(diǎn)間的距離；d0是一個(gè)參照距離，一般取1 m；PL(d0)是距離發(fā)送點(diǎn)d0處位置的接收信號功率；X是一個(gè)均值為0的高斯隨機(jī)變量，代表著當(dāng)距離一定時(shí)接收信號功率的變化情況；n為路徑損耗指數(shù)，與礦井中的實(shí)際環(huán)境有關(guān)。

在實(shí)際環(huán)境中，通常采用理論模型與實(shí)際相結(jié)合的方法得到偏重實(shí)際的模型[12]：

RSSI=-(10nlgd+A)

(4)

其中：射頻參數(shù)A被定義為用dBm(分貝毫瓦：指代功率的絕對值)表示的距離發(fā)射器 1 m 接收到的平均能量絕對值，也就是距發(fā)射節(jié)點(diǎn) 1 m 處的接收信號強(qiáng)度；n為信號傳輸常數(shù)，與信號傳輸環(huán)境有關(guān)；d為距發(fā)射節(jié)點(diǎn)的距離。其中A和n都與實(shí)際環(huán)境有關(guān)。

根據(jù)式(4)的實(shí)際模型(A=37，n=1.6)為例說明RSSI的測距特性，其測距分辯率如圖3 所示。

圖3 RSSI測距分辨率

從圖3 可知，RSSI在近距離測試中，0 m～30 m時(shí)其RSSI降低了26 dB，測距分辨率最高，能夠達(dá)1.15 m/dB，在30 m～100 m時(shí)RSSI降低了10 dB，測距分辨較高，此范圍內(nèi)達(dá)到7 m/dB[13]，在100 m～500 m區(qū)間，RSSI降低了10 dB，此時(shí)的測距分辨率為40 m/dB，無法滿足測距要求。因此在實(shí)際應(yīng)用中，由于RSSI的測距分辨率問題，使其在幾十米級之內(nèi)應(yīng)用能夠?qū)崿F(xiàn)穩(wěn)定測距，但超過這個(gè)距離就無法實(shí)現(xiàn)穩(wěn)定測距。

綜合考慮到RSSI測距在近距離段的良好測距性能和TOF測距在近距離段測距誤差較大的情況，為了滿足在近距離段對測距的需求，采用RSSI和TOF的融合測距方式來減少測距誤差。

2 TOF和RSSI融合測距

由前面分析可知，TOF在近距離測距時(shí)，誤差較大，無法用于定位算法中，而此時(shí)RSSI的測距精度較高，在幾十米級的范圍內(nèi)定位誤差都相對較小。綜合考慮兩種測距方式的特性，本文采用RSSI和TOF融合的優(yōu)化測距方法來實(shí)現(xiàn)高精度的人員定位需求。

2.1 RSSI測距優(yōu)化

在近距離實(shí)際測試中由于環(huán)境的影響，導(dǎo)致了RSSI和距離并不是嚴(yán)格意義上的一一對應(yīng)的情形，而是一對多的情況[14]，即一個(gè)RSSI可能同時(shí)對應(yīng)了幾個(gè)距離值，而這幾個(gè)距離值可能相隔較遠(yuǎn)，而且由于沒有對接收到的RSSI進(jìn)行篩選，導(dǎo)致可能收到的突變RSSI也被轉(zhuǎn)化為距離值，與實(shí)際測量情況偏差非常大。

在實(shí)際環(huán)境中，多徑干擾、障礙物遮擋等都會對RSSI造成明顯的影響，使得在某點(diǎn)接收到的RSSI值會在一定范圍內(nèi)變化，如圖4 所示。對于RSSI在實(shí)際測量中的多變和一對多特性，需要對測得的RSSI值進(jìn)行優(yōu)化后才可用于測距，否則會導(dǎo)致測距誤差較大，無法實(shí)現(xiàn)準(zhǔn)確測距。為此，本文提出優(yōu)化指紋庫和EWKNN(動態(tài)權(quán)重KNN)的方式來提升測距精度。

圖4 RSSI波動范圍

2.1.1 優(yōu)化指紋庫

指紋庫(即位置指紋)原理為：RSSI值與位置點(diǎn)的匹配具有唯一性，利用在每一個(gè)參考點(diǎn)上采集到的來自節(jié)點(diǎn)的信號強(qiáng)度，依據(jù)當(dāng)前節(jié)點(diǎn)信號強(qiáng)度與當(dāng)前位置點(diǎn)處的一一對應(yīng)來反映當(dāng)前位置信息。指紋定位大致有兩個(gè)步驟：(1)得到指紋庫；(2)比對得到的信息。指紋庫是通過訓(xùn)練得到的，即通過在實(shí)際環(huán)境中測量特定點(diǎn)對應(yīng)的信號強(qiáng)度，并將其記錄在指紋庫中。特定點(diǎn)的密度和位置由操作者自己選定，密度越大，理論上精度越高。之后得到的RSSI值和指紋庫中的RSSI值進(jìn)行匹配，得到當(dāng)前的位置信息。

某點(diǎn)的RSSI取值是多變的(圖4 )，因此采用高斯算法對指紋庫中RSSI在某點(diǎn)的測量值進(jìn)行優(yōu)化，以減小誤差。高斯模型的實(shí)現(xiàn)是選取系統(tǒng)中發(fā)生在高概率區(qū)的測量值，然后再取其統(tǒng)計(jì)平均值，這樣可以避免測距過程中一些因小概率事件導(dǎo)致的較大誤差值參與最優(yōu)值的計(jì)算，從而提高系統(tǒng)的測距精度。在使用指紋庫方式對RSSI進(jìn)行測距時(shí)，采用高斯算法先對指紋庫進(jìn)行數(shù)據(jù)處理[15]，濾除掉干擾數(shù)據(jù)，其公式為：

RSSI～N(μ,σ)

(5)

(6)

(7)

(8)

(9)

本文選擇的高斯濾波閾值為95%，即保證在某一點(diǎn)接收概率達(dá)到95%的RSSI被選中[16]，此時(shí)可保證最大限度地濾除掉誤差值。此時(shí)RSSI的取值范圍為：

RSSI∈(-1.5σ+μ,1.5σ+μ)

(10)

高斯濾波前后的指紋庫如圖5 所示。

圖5 高斯濾波指紋庫

從圖5 可知，由于加入了高斯濾波，濾除了在測量值中出現(xiàn)頻率極低的幾個(gè)點(diǎn)，這些點(diǎn)的頻率都在0.02左右，是屬于出現(xiàn)概率極低的RSSI，使得此時(shí)的RSSI更為穩(wěn)定。將高斯濾波后的RSSI值放入指紋庫中，能夠在一定程度上降低誤差，使得定位的距離數(shù)據(jù)更加準(zhǔn)確

2.1.2EWKNN方式

在實(shí)際中，通過指紋庫匹配出的位置信息可能不止一個(gè)，因此，在指紋位置定位中，常用到WKNN方式處理該問題。WKNN算法是在KNN算法的基礎(chǔ)上考慮了每一個(gè)匹配點(diǎn)對定位節(jié)點(diǎn)的貢獻(xiàn)程度，由于每一個(gè)匹配點(diǎn)的歐式距離有大有小，因此可以通過歐式距離來衡量當(dāng)前已知位置對定位節(jié)點(diǎn)的貢獻(xiàn)程度。若當(dāng)前的歐氏距離越小，則認(rèn)為對最終定位節(jié)點(diǎn)的坐標(biāo)信息的貢獻(xiàn)程度越大，所以用某一匹配點(diǎn)歐式距離在所有匹配點(diǎn)中的歐式距離的占比來衡量最終的待定位節(jié)點(diǎn)的坐標(biāo)信息。但此時(shí)WKNN中的k值是固定的[17]，無法針對不同環(huán)境進(jìn)行動態(tài)改變，由此造成的結(jié)果是無法在所有位置處優(yōu)化測距結(jié)果。而采用EWKNN方式即可解決此問題，針對不同環(huán)境的EWKNN方式可動態(tài)自選k值，從而減小測距誤差。具體步驟如下：

(1) 匹配指紋庫中當(dāng)前接收RSSI的距離，并計(jì)算當(dāng)前所有匹配距離的歐式距離di，將其從小到大排序，最小的為d1。

(11)

(3) 采用WKNN方式估計(jì)最終的測距距離。

經(jīng)過優(yōu)化，RSSI的測距結(jié)果如圖6 所示。

圖6 RSSI測距性能

2.2 數(shù)據(jù)融合

文獻(xiàn)[18]提出的數(shù)據(jù)融合處理方式，存在方式簡單且對不同環(huán)境的適應(yīng)性較差的問題。鑒于此，本文提出了一種新的數(shù)據(jù)融合方法為：

(1) 根據(jù)實(shí)際情況建立一個(gè)最小閾值dmin。鑒于TOF測距在近距離中誤差較大，對其測得的距離dTOF約定：如果dTOF和dRSSI都小于dmin，那么給予dTOF的權(quán)重為0。

(2) 根據(jù)實(shí)際情況建立一個(gè)最大閾值dmax。由于RSSI的準(zhǔn)確性隨著距離的提升會迅速下降，若dTOF和dRSSI都大于dmax，那么給予dRSSI的權(quán)重為0.

(3) 在dRSSI和dTOF位于[dmin,dmax]時(shí)，依據(jù)圖3 所示的RSSI測距分辨率迅速下降的情況，dRSSI的權(quán)重也是隨著距離增加而減小的，此時(shí)權(quán)值表示為：

(12)

3 仿真及分析

在一棟建筑物樓道進(jìn)行仿真測試。該樓道長約50 m，測試長度為30 m。采用鄭州芯力波通公司設(shè)計(jì)的LoRa模塊進(jìn)行實(shí)地測試，該模塊能夠同時(shí)進(jìn)行TOF和RSSI測量。取得實(shí)測值數(shù)據(jù)，將其錄入Matlab中，并和文獻(xiàn)[18]的數(shù)據(jù)融合處理結(jié)果進(jìn)行比對，結(jié)果如圖7 所示。

圖7 融合測距對比分析圖

從圖7 可知，通過對RSSI和TOF融合測距優(yōu)化后，有效地減輕了TOF在近處的測距誤差較大的問題，比文獻(xiàn)[18]提出的數(shù)據(jù)融合法的最大誤差減小了4 m左右，平均誤差減小了約2.3 m。結(jié)果表明，通過融合測距并對測距數(shù)據(jù)融合后，有效地減小了測距誤差，使得測距誤差被降低在3 m范圍內(nèi)，比單一利用TOF或者RSSI測距的性能有明顯提升。該法低于實(shí)際商用中對近距離測距5 m的要求[19]，因此能夠在定位算法中有效使用并實(shí)現(xiàn)精確定位。

4 結(jié)束語

針對TOF測距方式在近距離范圍內(nèi)誤差較大,影響實(shí)際使用的問題，提出了采用了RSSI和TOF融合測距的優(yōu)化方法。針對融合測距中數(shù)據(jù)權(quán)重的問題，提出了自適應(yīng)權(quán)重的數(shù)據(jù)融合方法。該法綜合考慮TOF在遠(yuǎn)端測距較為準(zhǔn)確和RSSI在近處測距較為準(zhǔn)確的特性，將兩者融合后進(jìn)行測距。實(shí)驗(yàn)表明，優(yōu)化融合測距方法比單一測距方法具有更高的測距精度，特別適用于精度要求較高的復(fù)雜環(huán)境中。