[发明专利]基于TD-SCDMA系统的井下人员精确定位方法

说明书

技术领域

本发明属于移动通信技术领域，尤其涉及基于TD-SCDMA系统的井下人员精确定位方法。

背景技术

煤矿井下生产环境复杂、恶劣，各种自然灾害造成的矿井重大灾害及伤亡事故时有发生。通过对各种矿难的分析，造成重大人员伤亡的原因有多种，其中一个重要的原因是缺乏精确的定位系统，使得对井下各种生产信息和人员信息无法做到及时的了解和掌握，当突发事故即将发生时不能及时疏导和撤离工作人员，从而造成人员伤亡。由此可见，矿难发生后及时获得井下工作人的精确位置对救援工作至关重要，然而，煤矿井下环境的特殊性使得对井下人员的精确定位难以实现。

目前，井下人员的定位基本上采用的是RFID。这种方法是在矿井井口处或其它井下一些关键通道口，使用射频卡(RFID)读取的方法对下井人员进行记录跟踪。这种方法存在有效工作时间短、漏读、定位精度低和功能单一等弊端，因而无法满足井下高精度、高效率的人员定位要求。3G网络在井下人员定位中的应用则弥补了传统定位系统的缺点，TD-SCDMA系统独有的智能天线技术使得TDOA/AOA混合定位方法成为了可能，再加上kalman滤波器在平滑滤波上的优势和数据融合理论的不断发展，因此，采用基于TD-SCDMA的混合数据融合定位方法是具有可行性且容易实现的方法。

发明内容

本发明提供了基于TD-SCDMA系统的井下人员精确定位方法，旨在解决目前井下人员的定位基本上采用的是在矿井井口处或其它井下一些关键通道口，使用射频卡(RFID)读取的方法对下井人员进行记录跟踪，这种方法有效工作时间短、漏读、定位精度低和功能单一，无法满足井下高精度、高效率的人员定位要求的问题。

本发明的目的在于提供基于TD-SCDMA系统的井下人员精确定位方法，该井下人员精确定位方法包括以下步骤：

步骤一，获取信号到达基站的时间TOA和到达角度AOA；

步骤二，利用改进的kalman滤波算法对获取的TOA值进行去噪处理；

步骤三，由去噪处理后获得的TOA值求得信号到达时间差TDOA值；

步骤四，用TDOA/AOA混合Chan算法和TDOA/AOA混合Taylor算法进行移动台的位置估计；

步骤五，利用残差加权法对位置估计值进行第一次数据融合，求出新的位置估计值；

步骤六，利用贝叶斯推论对位置估计值进行第二次数据融合，求得最终的位置估计值。

进一步，在步骤一中，由于TD-SCDMA采用智能天线技术，可通过MUSIC算法获得的获得比较精确的AOA值，TOA值可通过基站直接获得。

进一步，在步骤二中，对TOA值的滤波过程以及kalman滤波算法的改进如下：

若r_m(t_i)表示在t_i时刻从移动台MS到基站BS_m的距离测量值，则r_m(t_i)等于真实距离d_m(t_i)、系统测量误差n_m(t_i)和NLOS误差NLOS(t_i)之和，即：

r_m(t_i)＝d_m(t_i)+n_m(t_i)+NLOS(t_i)    (1)

其中n_m(t_i)为服从均值为零的高斯噪声，NLOS(t_i)一般认为是符合基于均方根时延扩展τ_rms的服从指数、均匀或Delta分布的正随机变量；

卡尔曼滤波器通过状态转移方程和系统测量方程把某一时刻的状态值与当前以及以前时刻的测量值联系起来，从而得到当前时刻的最优值，假设每隔周期T获取一次TOA数据，则Kalman滤波的状态方程为：

X(k+1)＝φX(k)+GW(k)    (2)