【技术实现步骤摘要】
本专利技术涉及无线定位，尤其是涉及一种基于rssi和tdoa融合的矿车定位方法。
技术介绍
1、在当前的矿井运输系统中，安全和效率是两大核心问题。矿井运输的主要设备是矿机车，因矿井轨道的复杂交织和运输任务的多样性，矿用机车通常必须根据其特定的运输需求，前往不同的采矿区域。当矿机车到达轨道交叉处，需要转辙机转动使道岔处于到达目的地正确的位置，由于目前许多矿场矿井道岔未纳入联锁系统，仍需司机停车并手动调整道岔以切换轨道，存在人工成本高，生产效率低下等问题。此外，没有联锁系统的防护，机车驾驶员难以完全了解轨道上正线和侧线方向的机车动态，特别是当轨道带有坡度时，难以判断前方机车的运行状态，带来了潜在的安全隐患。
2、车载司控转辙机控制系统要求司机能够直接在矿机车上对道岔进行单操，单锁等操作。但没有联锁系统的保障，很有可能发生多个机车对同一道岔进行操作，发生侧冲等事故，因此可以判断转辙机一定范围内是否有车占用，来提示本车是否可控制前方道岔，为了实现该功能，就需要在道岔一定范围内对机车进行定位，加入联锁条件的判断，机车是否出清，出清后后方机车才可进入等联锁情况。
技术实现思路
1、本专利技术的目的是提供一种基于rssi和tdoa融合的矿车定位方法，以解决上述
技术介绍
中存在的问题。
2、为实现上述目的，本专利技术提供了一种基于rssi和tdoa融合的矿车定位方法，包括以下步骤：
3、步骤一、通过无线通信方式采集rssi信号，并进行无线传输；
4、步
5、步骤三、利用数据预处理后的rssi数据建立rssi测距模型，并对动态损耗因子进行改良；
6、步骤四、通过rssi和tdoa融合从而对矿机车进行定位，具体为rssi三边定位法和tdoa距离差测量获得最终目标节点坐标；
7、步骤五、通过lora模块将步骤四得到的最终目标节点坐标传输至控制系统，将定位数据与连锁条件结合，实现道岔区域操作。
8、优选的，卡尔曼滤波具体为：
9、k时刻系统状态方程为：x(k)＝ax(k-1)+bu(k)+w(k)
10、k时刻系统的测量值为：z(k)＝hx(k)+v(k)
11、状态预测方程为：x(k|k-1)＝ax(k-1|k-1)+bu(k)
12、更新误差协方差为：p(k|k-1)＝ap(k-1|k-1)a′+q
13、更新卡尔曼增益为：kg(k)＝p(k|k-1)h′/(hp(k|k-1))h′+r
14、状态值更新方程为：x(k|k)＝x(k|k-1)+kg(k)(z(k)-hx(k|k-1)
15、误差协方差更新方程为：p(k|k)＝(1-kg(k)h)p(k|k-1)
16、其中，a、b均为系统参数，h为测量系统的参数，x(k)为系统在当前时刻的状态向量，x(k-1)为系统在前一时刻的状态向量，u(k)是k时刻对系统的控制量，w(k)为系统过程中的随机扰动，z(k)为k时刻的测量值，v(k)为测量过程中的随机误差，x(k|k-1)为当前状态预测值，x(k-1|k-1)为上一状态值；p(k|k-1)为x(k|k-1)的协方差，p(k-1|k-1)为x(k-1|k-1)的协方差；q和r分别为系统噪声和测量噪声，kg(k)为卡尔曼增益，p(k|k)为目前状态的更新值；x(k|k)为对系统状态的最优估计值。
17、优选的，高斯滤波具体为：传统的高斯滤波能够对一系列呈高斯分布的数据进行基于概率的滤波处理。这种滤波器通过利用数据的统计特性，有效地平滑数据，以提高数据集的整体质量和可用性。采集的rssi信号的概率密度函数为
18、
19、其中，μ为均值，σ为标准差，n，为最初采集到的rssi值数目；
20、由正态分布得，通过筛选掉低概率数据后，对剩余的高概率数据计算均值，可以作为高斯滤波的输出结果。这种方法，即高斯均值滤波，有效减少了环境变化对接收信号强度指示(rssi)值引起的波动，从而提高数据的稳定性和可靠性。
21、优选的，混合滤波为结合卡尔曼滤波和高斯滤波的结果，进行中值滤波和均值滤波的混合滤波，具体为：
22、假设一个定位节点的rssi样本数据有n个，经过卡尔曼滤波后得到m个，且m不大于n，再经过高斯滤波后得到k个在高概率发生区的数据，k小于m，则
23、
24、其中，rssi(i)为高斯滤波后的数据，rssi(a)为中值滤波后的数据，rssi(b)为均值滤波后的数据；
25、混合滤波为对rssi(a)和rssi(b)进行算术平均处理，如下
26、
27、优选的，步骤三中，通过分析接收信号强度与距离之间的关系，来计算节点之间的距离，基于弗里斯传输方程，无线信号的衰减由下述公式计算得出：
28、
29、其中，pr为接收端收到的信号强度，pt为发射功率，gr为接收端天线增益，gt为发射端天线增益，λ为载波波长，d为待测节点到锚节点的距离；
30、传播路径损耗公式为：
31、
32、在非视距条件下，设置gr和gt的数值为1，并且两边取对数得：
33、
34、其中，n为路径的损耗因子；
35、利用单位距离d0处的接收信号强度值计算得：
36、
37、整理得到待测节点距离锚节点d处的接收信号强度为：
38、
39、其中，rssi(d)为距离d处的信号强度，rssi(d0)为单位距离处的信号强度；
40、添加均值为0且标准差为σ的高斯噪声，得到：
41、
42、其中，d0为单位距离，选1m，用a代替d0处信号强度；xσ为均值为0且标准差是σ的高斯噪声，在应用过程中被忽略不计，则待测节点与锚节点的距离d表示为：
43、
44、优选的，步骤三中，在厂矿设计中，一个区段内有三个锚节点，分别为s1、s2和s3，若锚节点s3距离s1、s2分别为d31和d32，对应的rssi值分别为rssi(d31)和rssi(d32)，根据式(6)建立方程得：
45、
46、方程内相减得
47、
48、上式中只有路径损耗因子n为未知，因此在该区段内，计算出动态的路径损耗因子参数。
49、优选的，步骤四中的rssi三边定位为首先测得三个锚节点到待测节点的rssi值，通过步骤三建立的rssi测距模型得出参考节点到端节点的距离d，以锚节点为圆心，分别以距离d为半径，得到三个方程：
50、
51、其中，a(xa,ya)、b(xa,ya)、c(xa,ya)均为已知锚节点坐标，m(x,y)为待测节点，da、db、dc分别为三本文档来自技高网...
【技术保护点】
1.一种基于RSSI和TDOA融合的矿车定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于RSSI和TDOA融合的矿车定位方法，其特征在于，卡尔曼滤波具体为：
3.根据权利要求1所述的一种基于RSSI和TDOA融合的矿车定位方法，其特征在于，高斯滤波具体为：
4.根据权利要求1所述的一种基于RSSI和TDOA融合的矿车定位方法，其特征在于，混合滤波为结合卡尔曼滤波和高斯滤波的结果，进行中值滤波和均值滤波的混合滤波，具体为：
5.根据权利要求1所述的一种基于RSSI和TDOA融合的矿车定位方法，其特征在于，步骤四中的RSSI三边定位为首先测得三个锚节点到待测节点的RSSI值，通过步骤三建立的RSSI测距模型得出参考节点到端节点的距离d，以锚节点为圆心，分别以距离d为半径，得到三个方程：
6.根据权利要求5所述的一种基于RSSI和TDOA融合的矿车定位方法，其特征在于，步骤四中的TDOA距离差测量具体为：
【技术特征摘要】
1.一种基于rssi和tdoa融合的矿车定位方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于rssi和tdoa融合的矿车定位方法，其特征在于，卡尔曼滤波具体为：
3.根据权利要求1所述的一种基于rssi和tdoa融合的矿车定位方法，其特征在于，高斯滤波具体为：
4.根据权利要求1所述的一种基于rssi和tdoa融合的矿车定位方法，其特征在于，混合滤波为结合卡尔曼滤波和高斯滤波的结果，进行中...
【专利技术属性】
技术研发人员：赵斌，付帅，宋玉华，张文涛，瞿莉丽，李军丽，杨妮，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。