【技术实现步骤摘要】
本专利技术涉及一种煤矿井下限员区域人员计数方法，具体是一种基于lora自适应模型的井下限员区域人员计数方法，属于煤矿安全生产。
技术介绍
1、煤炭作为我国的战略核心能源，长期以来为经济的稳定高速增长提供了坚实的后盾。然而煤炭的开采过程存在复杂的井下开采环境和繁复的开采流程，在煤炭开采强度不断提高和开采深度不断延伸的背景下，伴随着煤炭开采过程中各种不确定因素，导致煤矿事故的风险逐渐上升，煤矿安全事故时有发生。为了杜绝煤矿特、重大事故发生，煤矿严禁超定员生产，实时监控煤矿井下作业人数是防止超定员生产的有效措施之一。尤其在采煤工作面、掘进工作面等具有冲击地压隐患的人员限员区域，更要严格控制人员数量，当人员数量超过规定人数时，地面计算机显示报警信息，使管理员可以实时掌握巷道内人员数量，即时采取相关措施。
2、传统的煤矿井下限员区域人员计数方法通常是通过井下人员携带标识卡来计数，但标识卡系统无法识别多人一卡现象，时常出现漏读，因而不能实现准确计数。随着无线网络技术的普及应用，现有技术中出现有如射频识别(rfid)技术、无线局域网(wi-fi)技术、毫米波雷达技术等用以实现无线感知井下限员区域人员数量任务的无线网络技术，通过在井下限员区域设立读卡器、并通过无线感知井下工作人员配备具有唯一识别码的电子卡(一般电子卡存放在井下工作人员的安全帽中)的方式将井下工作人员的个人信息、进入时间等传送到地面控制系统。然而上述无线感知的通讯信号通常受到两方面的影响：①煤矿井下恶劣环境导致无线信号衰减严重，感知距离严重受限，以wi-fi技术为例，
技术实现思路
1、针对上述现有技术存在的问题，本专利技术提供一种基于lora自适应模型的井下限员区域人员计数方法，能够对井下人员限制区域人员计数实现较理想的准确性和可靠性。
2、为实现上述目的，本基于lora自适应模型的井下限员区域人员计数方法具体包括以下步骤：
3、step1，将计数系统的信号发射器和信号接收器固定部署在井下巷道作业人员限员区域，信号发射器用于发射线性调频lora信号，信号发射器包括与供电器电连接的一个lora节点和一个定向天线，信号接收器用于接收信号发射器发射的包含有区域环境及所有人员的静态和活动信号的lora信号，信号接收器包括与供电器电连接的软件无线电平台以及均接收lora信号的接收天线ⅰ和接收天线ⅱ两个接收天线，信号发射器和信号接收器固定部署完毕后启动信号发射器和信号接收器；
4、step2，建立人员数量与振幅之间的映射关系，控制lora节点在工作频段内多频率跳频循环发射信号，通过信号接收器的两个接收天线接收信号发射器的定向天线发射的lora信号，利用信号商产生新的lora信号，并且对多个频率下的接收信号数据进行采集，获得的lora接收信号矩阵表示为：
5、
6、其中：矩阵的每一行分别代表接收天线ⅰ、接收天线ⅱ和信号商的信号数据；矩阵的每一列分别代表不同频率下的信号数据；f代表频率的数量；
7、step3，先对采集的lora信号进行预处理，利用降采样方法对采集到的lora信号进行划分，提取原始信号的振幅信息，并且将划分后的振幅信号重新排列组合进行标准化处理，再对预处理后的数据进行加标签以及划分训练集和测试集，并进行训练；
8、step4，对数据进行特征提取、并构建基于域对抗的轻量级煤矿井下限员区域人员计数模型，并对其进行训练和测试，得到当前区域人员具体数目。
9、进一步的，step2中，信号商运算式如下：
10、
11、式中：q1为接收天线ⅰ接收的信号；q2为接收天线ⅱ接收的信号；qr为两个接收天线接收信号的商运算。
12、进一步的，step3具体步骤如下：
13、step3.1，设置采样间隔为s，确定好采样次数后对收集到的lora数据进行降采样划分；
14、step3.2，从降采样的原始数据中提取振幅信息，并将划分好的s段振幅数据排列为s×c的矩阵；
15、step3.3，计算所有s×c矩阵每一行的平均值，得到一个(3×s)×f的signalmatrix数据，计算每一行振幅测量值的均值和标准差，并进行归一化操作，表示如下：
16、
17、式中：a为归一化后振幅数据；为原始振幅测量值；μ为原始振幅测量值均值；σ为原始振幅测量值标准差；
18、step3.4，将场景中第一次采集的数据作为源域数据集，将下一时间段采集的数据作为目标域数据集，针对不同时间采集到的数据，将每段数据划分为训练集和测试集，在训练过程中，输入带标签的源域数据和不带标签的目标域数据进行训练。
19、进一步的，step3.1中对收集到的lora数据进行降采样划分时，进行如下处理：
20、
21、式中：c为每次降采样操作的次数；l为原始lora接收信号的长度；代表向下取整操作；
22、从原始信号第一个数据开始，每隔s个数据进行一次采样，当采样结束后，再从原始信号第二个数据开始，重复之前操作，直到从原始信号第s-1个数据开始的采样结束为止。
23、进一步的，step3.4中将每段数据划分为训练集和测试集时按照9：1的比例进行划分。
24、进一步的，step4中对数据进行特征提取时，
25、从源域和目标域的原始数据中提取深层特征的特征提取模块包括1个1d卷积块和2个1d倒残差块，特征提取模块的输入大小为3×s×f，卷积块包括卷积层、bn层和relu层，卷积块的内核大小为2、步长为1；采用relu6作为激活函数，其函数定义如下：
26、relu6＝min(max(0,x),6)
27、式中：x是前一层的输出向量或者是原始输入向量；
28、倒残差块的第一层是1×1的卷积，将先前提取到的特征进行升维映射到高维空间，通过第二层的深度卷积，对每个输入通道应用单个卷积滤波器来执行轻量级滤波，接着是第三层1×1点卷积，负责通过计算输入通道的线性组合来创建新特征，数学表达式表示如下：
29、y＝f(f(x*w1)*w2)*w3
30、式中：f(.)是激活函数；x是输入特征图；w1是1×1卷积的权重矩阵；w2是深度可分离卷积的权重矩阵；w3是1×1卷积的权重矩阵；y代表最终输出特征图。
31、进一步的，每个卷积层后面都跟着一个bn层。
32、进一步的，构建基于域对抗的轻量级煤矿井下限员区域人员计数模型时，采取域对抗的方法解决跨时域问题，具体的：
33、在特征提取模块之后加入一个域鉴别器，并通过一本文档来自技高网...
【技术保护点】
1.一种基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，Step2中，信号商运算式如下：
3.根据权利要求1所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，Step3具体步骤如下：
4.根据权利要求3所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，Step3.1中对收集到的LoRa数据进行降采样划分时，进行如下处理：
5.根据权利要求3所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，Step3.4中将每段数据划分为训练集和测试集时按照9：1的比例进行划分。
6.根据权利要求3所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，Step4中对数据进行特征提取时，
7.根据权利要求6所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，每个卷积层后面都跟着一个BN层。
8.根据权利要求6所述的基
9.根据权利要求8所述的基于LoRa自适应模型的井下限员区域人员计数方法，其特征在于，把对抗得到的域数据特征通过类别预测器来进行人数预测时，使用softmax函数将预测结果转换为概率分布P：
...【技术特征摘要】
1.一种基于lora自适应模型的井下限员区域人员计数方法，其特征在于，具体包括以下步骤：
2.根据权利要求1所述的基于lora自适应模型的井下限员区域人员计数方法，其特征在于，step2中，信号商运算式如下：
3.根据权利要求1所述的基于lora自适应模型的井下限员区域人员计数方法，其特征在于，step3具体步骤如下：
4.根据权利要求3所述的基于lora自适应模型的井下限员区域人员计数方法，其特征在于，step3.1中对收集到的lora数据进行降采样划分时，进行如下处理：
5.根据权利要求3所述的基于lora自适应模型的井下限员区域人员计数方法，其特征在于，step3.4中将每段数据划分为训练集和测试集时按照9：1的比...
【专利技术属性】
技术研发人员：尹雨晴，逯怡静，赵春晖，林涛，兰日霞，陈朋朋，
申请(专利权)人：中国矿业大学，
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。