引言
根据国家煤监局最新发布的《煤矿井下人员定位系统通用技术条件》，煤矿井下人员精确定位系统静态定位误差需要控制在0.3 m范围内[1]，然而传统的定位方案，如基于蓝牙、RFID、Zigee和Wi-Fi等技术的定位方案[2-4]，由于其定位精度的局限性，只能实现区域定位，无法满足这一严格标准。随着超宽带技术(Ultra Wide Band, UWB)技术的不断完善，其抗干扰能力强、定位精度高和功耗低的优点得到了广泛认可[5-6]，越来越多的企业和组织开始研究基于UWB技术的精确定位方案，并逐步替代其他传统的定位方案，成为主流精确定位技术，并在煤矿井下得到广泛应用[7-9]。
在煤矿井下的长巷道结构中，常常使用飞行时间(Time of Flight, TOF)测距算法来实现人员的精准定位[10-11]。但由于这些巷道多为窄长构造，导致UWB信号在传播过程中容易发生多次反射。这不仅严重影响定位精确，甚至在某些情况下，还会导致信号无法被定位基站有效检测从而无法有效定位。随着智能矿井建设的深入推进，井下机车的自主导航成为了可能，这为矿山的生产和管理带来了巨大的便利。然而，这也对定位系统的精度和稳定性提出了更高的要求。传统的单一一维定位方法已经无法满足这些需求，因此需要寻找精度更高，稳定性更好的算法以解决这一问题。
为了降低井下UWB信号反射对定位精度的影响，本文提出了一种创新的定位方法。该方法结合了UWB信号置信度、定位神经网络模型、时间飞行（TOF）测距以及Kalman滤波算法[12-14]。通过将离线神经网络与传统定位算法有机结合的方式，进一步提升定位精度和定位稳定性。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006692
作者信息：
张鹏1，2
（1.煤矿灾害防控全国重点实验室，重庆 400039；
2.中煤科工集团重庆研究院有限公司，重庆 400039）
