基于无线传感器网络的矿井设备定位技术的研究

无线传感器网络定位问题研究

点定位问题已成为ＷＳＮ的一个重要研究方向。
ｌ点定位的基本概念和算法节
１１传感器节点定位的基本概念．
ＷＳＮ中需要定位的节点称为未知节点（ｎｎｗｏｅ；ｕｋｏｎｎｄ）而通过ＧＳＰ等定位手段获得自身精确位置并协助未知节点定位的节点称为参考节点（ｎｈｒｏｅ；ａｃｏｄ）ｎ邻居节点是指在一个节点通信半径内可直接通信的节点。节点定位则可表述为：靠有限的参考节点，依确定布设区中其他节点的位置，在传感器节点间建立一定的空间关系。当前对节点定位问题的研究一般都基于以下前提：１有一定比例的参考节点；）２节点具有测量与邻居节点距离的能力；）
ＩＳ１０－３４ＳＮ０９０４
Ｅｍａｌｉｆ＠ＣＣ．ｅ．ｎ — ｉｎｏＣＣｎｔ：ａｈｔ：ｗｗｄｚ．ｅ．ｎｔ／ｗ．ｎｓｔｐ／ｎａＴｈ８ — ５一６０６５９９４ｅ＋６５５９９３６Ｏ６ｌ
摘要：无线传感器网络的定位问题是组网的重要问题，大多数应用的基础。首先介绍了节点定位的相关概念和定位方法，当前是对
的定位算法进行了分类，着介绍了几种典型的节点定位算法并做了比较分析，接最后指出定位算法的应用技巧。
关键词：无线传感器网络；定位算法；节点定位
中图分类号：Ｐ９文献标识码：Ｔ３３Ａ文章编号：０９３４（０２０ — ０００１０ — ０４２１）１０３ — ４

基于EKF算法的无线传感器网络定位技术研究

法，节点无需额外的硬件装置，但有可能产生较大的
，
ｐｒｄｗｔａｈｏｈｒｉｈｓｐｐｒＡｈａｉ，ａｌｋｎｓｏｐｌｇｃｌｃｎｉｏｓｔａｙｏｃｒｉｅａｅｉｅｃｔｅｎｔｉａｅ．ｔｔｅｓｍｅｔｈｍｅｌｉｄｆｔｏｏｉａｏｄｔｎｈｔｍａｃｕｎｔｏｉｈｐｏｅｓｏｃｉａｉｎａｄｈｗｔｍｐｏｅｔｅｌｃｌａｉｎａｃｒｃｒｎｅｔａｅｔｏｖｒｅｃｒｂｂｌｙｒｃｓｆｌａｚｔｎｏｏｉｒｖｈｏａｉｔｃｕａｙａｅｉｖｓｉｔｄｗｉｃｎｅｇｎｅｐｏａｉｔｏｌｏｚｏｇｈｉａｄｒｌｔｅｅｏｓｉｄｃｔｒ．ＡｐｌａｌｉａｉｎｆＫＦｉｔｅａｙｅｉｉｌｔｎ，ａｄｆｃｏｓｔａｙｎｅａｉｒｒａｎｉａｏｓｖｐｉｂｅｓｔｔｓｏｃｕｏＥｓｈｎａｌｚｄｖａｓｍｕａｉｎｏｎｔｒｔｍａａｈ
（连理工大学微系统研究中心，宁大连１６２）大辽１０３
摘要：无线传感器网络中，基于ＲＳ测距技术的定位系统误差较大。对扩展卡尔曼滤波（Ｋ）ＳＩＥＦ算法在抑制测距误差和提
高定位精度方面进行了深入的研究。同时根据ＥＦ算法在ＷＳＫＮ节点定位中的两种应用方式，以收敛概率和相对误差为指标。在各种拓扑条件下对提高节点定位精度进行了分类探讨。最后结合仿真阐述了ＥＦ算法的适用范围，Ｋ并分析了影响算法

基于无线传感器网络的TDOA_CTLS定位算法研究

r i 代替矩阵H * 1 中的 -
r* i ) , 若只考虑向量 Y 的噪声干扰, 则可以得到最小二乘意义下的解为 : -1 X 1 LS = ( H T HT 1 H 1) 1 Y1 ( 4)
{ y 1, y 2,
, y n- m }
若同时考虑 H 和 Y 的噪声干扰 , 并且假设噪声的各分量统计独立 , 则可以得到总体最小二乘意义下的解为: X 1 T LS = [ v 5 ( 2) / v 5 ( 1) , v 5 ( 3) / v 5 ( 1) , v 5 ( 4) / v 5 ( 1) ]
150
微电子学与计算机
2010 年
T DOA- CT L S ( T ime Diff erence of Arrival- Crit e ria T otal L east Square) , 并进行了理论推导与算法性能分析 , 与基于 T L S 的定位算法相比, 定位精度有明显改进 .
将式( 2 ) 写成线性方程组如下 : H 1X 1 = Y 1 其中 x 0- x1 H1= x 0- x2 y0- y1 y0- y2 z 0- z1 z 0- z2 r1 r2 rN
1
引言
随着通信技术、嵌入式计算机技术和传感器技
- Based 算法通过距离或者角度信息进行定位, 测距技术包括 : 信号到达时间 ( T ime of Arrival, T OA) [ 4] 、信号到达时间差 ( T ime Difference of Ar rival, T DOA) [ 5] 、信号到达角度 ( Angle of Arrival, AOA) [ 6] 、信号强度( Received Sig nal Strengt h Indica tor, RSSI) 等 . 此类算法需要额外的硬件支撑 , 其定位精度较高 . Range- F ree 算法不需要测量节点间的距离和方位 , 对硬件要求简单, 但定位误差较大 , 满足部分不需要精度很高位置的场合 . 其典型算法包括: 质心算法、 DV - H OP 算法[ 8 9] 、 Amorphous 算法、 M DS- MAP 算法及 APIT 算法等. 文中将测距技术与参考节点 ( beacons) 相结合, 利用转移矩阵和观测矩阵噪声之间的约束关系, 提出一种基于 T DOA 的约束最小二乘算法 , 简称

基于无线传感器网络的瓦斯监测定位技术

（ｒｌｓＳｎｏｅｏｋ，ＷＳ就是由部署在ＷｉｅｓｅｓｒＮｔｒｓｅｗＮ）
监测区域内大量的微型传感器节点组成，有自具组织性，线传感器节点由于其具有体积小、耗无功
低及无需维护等优势可满足对矿井实时监控的需要。煤矿井下瓦斯浓度的监测是安全监测系统必不可少的功能，以将瓦斯传感器与无线传感器可
大、自组织及可靠性高等优点，者主要针对矿井笔下瓦斯监测定位问题设计出支持Ｚｇｅ术的ｉｅ技Ｂ
Ｃ２３Ｃ４０模块的瓦斯监测定位方法。１瓦斯监测节点硬件设计
图１瓦斯监测电路
采用低功耗的无线射频芯片Ｃ２３Ｃ４０和瓦斯传感器相连接，该芯片结合一个高性能的２４Ｈｚ．Ｇ射频收发器核心和一颗工业级小巧高效的８５０１控制器，足以Ｚｇｅ满ｉＢｅ为基础的２４Ｈ．Ｇｚ波段应用。Ｃ２３Ｃ４０内部已集成包括定时器、模转换电数路、存储器及ＲＳ指示器等必要电路，需要较ＳＩ只
斯报警电路能在空气中瓦斯浓度超过０３时准．％确报警，全达到矿井瓦斯报警要求。节点硬件完
结构如图２所示。
收稿日期：０１１－９修改稿）２１．１（２基金项目：京市教委重点学科共建项目（Ｋ０００３）北Ｘ１０８５

基于GPRS和Zigbee无线传感器网络的矿井综合监控系统的设计

１Ｚｇｅｉｅ与ＧＲｂＰＳ技术
Ｚｇｅ是近年来出现的面向低成本设备无线联网要求ｉＢｅ的技术，它是一种近距离、低复杂度、低功耗、低数据速率、低成本的双向无线通信技术… ，完整的协议栈只有３ｋ２Ｂ，可以嵌人各种设备中，同时支持地理定位功能。以上特点决定Ｚｇｅ技术非常适合应用在无线传感器网络中，ｉＢｅ
装，这样井下巷道将被多个Ｚｂｅｉｅ传感模块组成的网络所ｇ
覆盖。
针对数据采集节点数目多，分布范围广等特点，采用Ｚｇｅ无线传感器网络技术和ＧＲｉＢｅＰＳ通信相结合的方式来进行数据通讯。按照主从节点的设计模式，数据传输是由两部分构成的，第一部是数据由从节点传输到主节点，即利用Ｚｇｅ无线传感器网络将某一区域内所有从节点的运行数据ｉＢｅ
固定数据采集节点和移动数据采集节点Ｊ。固定节点安装在巷道的固定位置，移动节点配带在矿工身上或安装在运
煤矿安全监控系统在煤矿安全生产中起着举足轻重的作用。然而，由于有线监控监测系统其自身的局限性以及煤矿井下的复杂性，矿井下的一些环境参数，如甲烷、粉尘、负压、温湿度、一氧化碳等都没有得到有效地监测，从而引起极大的安全隐患。本文针对实际需求，综合利用计算机控制技术、Ｚｇｅｉｅ技术、ＧＲｂＰＳ技术等，提出一种集
集中到一个中心节点。第二部分是数据由主节点传输到监控
中心，因为距离较远，采用ＧＲ传输技术，通过ＧＲ无ＰＳＰＳ

基于矿井的无线传感器网络MAC协议的研究

ＡｂｓｒｔＴｈＸＡＣｐｏｏｏｓａｍｐｏｔｎｅｈｏｏｙｆｒｔｒａｉｎｏｈｔｒｎｒｓｒｃｕｅ．ｔａｈｉｖｔａｃ：ｅｌｒｔｃｌｉｎｉｒａｔｔｃｎｌｇｏｈｅｃｅｔｏｆｔｅｎｅｗｏｋｉｆａｔｕｔｒＩｃｅｅｓｔｏｌｎｔｅｓｎｓｒｎｔｒｔｅｆｒｔｉｈｓａｌｓｗｕｇａｓｉｈｅｏｅｗｏｋ，ｈｓｓｔｅｅｔｂｉｈｍｅｔｏｈｅｌｎｏｔｒｓｅｔｅｅｏｓｔａｒｙｉｎｆｔｉｋｓｆｒｄａａｔａｎｆｒ；ｈｓｃｎｄｉｏｔｉｌａｄｅｆｃｅｌｈｒｏｎｆｉｉｎｔｓａｅｃｍｍｕｎｃｔｏｅｏｃｓｂｅｗｅｎｓｎｓｒｎｏｅ．ｒｅｔｓｖｒｌｋｉｄｓｆｑｕｉｙｃｌＭＡＣｙｉａｉｎｒｓｕｒｅｔｅｅｏｄｓＣｕｒｎｅｅａｎｏｔｔｐｉａｅｐｒｔｏｓａｅａａｙｅａｃｒｎｇｔｈ／ｔＹｓｖｄａｐｅｔｉｅｅｓｎｔｒｏｏｏｉａｔｕｔｒａｅ１ｗｉｏｏｃｌｒｎｌｚｄｃｏｄｉｏｔｅｅｌ ’ ａｅｓｃ．Ｗｒｌｓｅｗｏｋｔｐｌｇｃｌｓｒｃｕｅｂｓｄ０３ｎｅｅｇ
ｔｅｎｔｒ．ｈｅｗｏｋ
Ｋｅｏｄ：ｗｒｌｓｅｓｒｅｏｋ（Ｎ）ＭＡｒｔｏ；ＯｅｎｒｏｓｍｔｎｒｌｉｅｍｎｐｒｓｒｙｗｒｓｉｅｎｏｔｒｓＷＳｓ；Ｃｐｏｃｌｌｅｇｃｎｕｐｉ；ｅ —ｍ；ｉｓｅｉｙｅｓｓｎｗｏＶｅｙｏａｔｅｕｖｏ

基于GIS和人工神经网络的井下无线传感器网络定位数据修正方法研究

与ＧＩＳ地图进行匹配，不在巷道内的人员坐标数据便是定
∑ ），＋
１
（１）
（ｚ）
，、
其中，￡，为神经元的净输入；
为神经元与神经
元ｉ之间的连接权值；Ｙ为神经元ｉ的输出；，为神经元，的阈值；ｙ为神经元的输出。
ｎ＝
井下节点通信，因受到多径效应、障碍物遮挡和人员之间的相互遮挡等综合因素的影响，而导致定位结果不够精确，也无法建立准确的数学模型进行分析纠正，因此可以利用人工神经网络无需建立模型的特点来修正定位数据，使得定位结果更精确。在对定位存在误差的数据修正之前，要找出定位存在误差的数据。由于煤矿井下人员都在巷道中，因此可以在ＧＩＳ中建立煤矿矿井地图Ｊ。将定位数据
１人工神经网络原理
人工神经网络是模仿人脑工作方式而设计的一种信息处理系统。通过向环境学习获取知识并改进自身性能是
ＡＮＮ的一个重要特点。在一般情况下，性能的改善是按
向传播算法的基本原理是：输入信号从输入端开始的向前
网络。
１２３
煤
炭
工
程
２０１３年第５期
＝
１ ∑（ａＩ一）
（３）
效果，在进行楼道模拟实验时，选择楼道的一端进行实验。将三个信标节点双侧摆放，平面坐标分别为（０，３）（１０，３）（５，０）。在实验数据中选取超界的数据作为训练样本集，为了达到对实验中各处的超界数据进行有效修正的效果，

基于无线传感器网络的矿井火灾源监测系统设计

Design on Monitoring and Measuring System of Mine Fire Disaster Sources Base on Wireless Sensor Network
WEI Chao，TONG Min － ming，REN Zi － hui，XU Jie，TONG Xia － min
2012 年第 11 期
煤
炭
工
程
研究探讨
基于无线传感器网络的矿井火灾源监测学信电学院，江苏徐州 221008 )
要: 针对矿井火灾源监测定位的难题，提出一种基于 WSN 进行矿井火灾源监测方案。网络呈网状拓扑结构，以竞争学习方式选取簇头，利用覆盖配置协议控制节点状态，以降低节点摘能耗、减少信息冗余。节点定位采用 RSSI 方法测节点间距离，极大似然估计法计算节点位置的机制，并针对矿井实际情况提出利用最小二乘法进行数据拟合建立 RSSI 模型。关键词: 矿井火灾源; 无线传感器网络; 竞争学习; 节点定位 012103 中图分类号: TD76 文献标识码: A 文章编号: 1671 － 0959 ( 2012 ) 11-
［1 ］
头发送的数据，再通过 RS － 232 串口将信息上传到监控中心上位机，从而实现对网络的监测报警。
2
矿井 WSN 拓扑控制
在 WSN 工作过程中，会出现某些节点失效或节点增
加。因此，需要通过网络拓扑控制来保证其连通性及覆盖度，删除节点间非必要通信链路，生成一个高效的网络拓扑结构。系统采用竞争学习聚类算法，既可以选择尽量少的簇头覆盖整个监测区域，减少干扰、避免信息冗余，又能优先考虑使用能量剩余较多的节点担当簇头。簇内节点通过竞争学习实现节点竞争休眠及角色轮换，以延长无线传感器网络寿命。

基于RFID与无线传感器网络的矿井安全系统

节点的所有邻居。如果在邻居节点中未发现目的节点，邻居节点就转发该 “ 由请求 ” 组，到 “ 由路分直路
请求” 分组到达目的节点或到达直到去往目的节点路由的中间节点，时再沿反向路由发送 “ 由应这路
救援人员
移动节点
之间展开，没有包括最需要通信的被困人员。（）３系统功能单一，没有实现多种功能的有机
结合。有线网络的布置经常跟不上采掘面的掘进速度，成大量的检测死角和安全隐患，造无法充分发挥井下通信系统的优点。
鉴于以上原因并结合煤矿井下安全监控无线传感与通信技术的发展状况，文章提出在现场总线网络上挂接无线监控分站，实现对井下参数的采集和
３网络通信协议的设计
网络自组织通信协议主要包括物理层、数据链路层、网络层及应用层。
（）１物理层
读器
应替器
图３基于Ｚｇｅ技术的ＲＩ系统结构图ｉｅｂＦＤ
４１射频芯片硬件选择．
系统采用Ｃｉｏ司的Ｃ２２ｈｃｎ公ｐＣ４０作为无线通信设备，器件是Ｃｉｏ该ｈｃｎ公司推出的首款符合ｐ２４ＨＥ８２１．标准的射频收发器，．ＧｚＥＥ０．５４Ｉ是一款较成熟的适用于Ｚｇｅｉｅ产品的ＲｂＦ器件。
不ｏ
・
３・６
微
处
理
机
２１０２矩
Ｐ２（ＮＯ）ＤＩＴＰ４（ｓＢｓ）Ｐ５（Ｓ）ＢＭＯ１Ｐ５（Ｓ）ＢＭＩＯＰ７ｆＣ）ＢＫＳ

基于角度判断的无线传感器网络APIT定位算法研究

ｂａｓｅｄｏｎｊｕｄｇｍｅｎｔｏｆａｎｇｌｅ
ＨＵＺｈｏｎｇ — ｄｏｎｇ，ＪＩＡＦａｎｇ — ｆａｎｇ
（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｘｉＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，Ｇａｎｚｈｏｕ３４１０００，Ｃｈｉｎａ）
中图分类号：ＴＰ３９３文献标识码：Ａ文章编号：１０００－９７８７（２０１３）０１００－７３－０３
ＲｅｓｅａｒｃｈｏｎＡＰＩＴｌｏｃａｌｉｚａｔｉｏｎａｌｇｏｒｉｔｈｍｆｏｒＷＳＮｓ
ａｌｇｏｒｉｔｈｍｗｈｉｃｈｃａｎｊｕｄｇｅｔｈｅｌｏｃａｌｉｚａｔｉｏｎｏｆｕｎｋｎｏｗｎｎｏｄｅｂｙｓｕｍｍａｔｉｏｎｏｆａｎｇｌｅｉｓｐｒｅｓｅｎｔｅｄ．Ｔｈｅｓｉｍｕｌａｔｉｏｎ
ｅｎｖｉｒｏｎｍｅｎｔ．
Ｋｅｙｗｏｒｄｓ：ｗｉｒｅｌｅｓｓｓｅｎｓｏｒｎｅｔｗｏｒｋｓ；ｎｏｄｅｌｏｃａｌｉｚａｔｉｏｎ；ＡＰＩＴ；ｓｕｍｍａｔｉｏｎｏｆａｎｇｌｅ