李康樂 邵小強(qiáng) 潘紅光 郭德鋒 鄭潤(rùn)洋 衛(wèi)晉陽

摘?要：針對(duì)礦井巷道NLOS（Non Line Of Sight）時(shí)延影響礦井TOA（Time Of Arrival）定位精度的問題，通過分析巷道NLOS時(shí)延形成方式，將巷道NLOS時(shí)延分為隨機(jī)和固定兩類，結(jié)合兩類巷道NLSO時(shí)延的特性，提出了一種基于自適應(yīng)抗差卡爾曼濾波的巷道NLOS時(shí)延抑制方法。對(duì)于巷道隨機(jī)NLOS時(shí)延，通過在經(jīng)典卡爾曼濾波算法的基礎(chǔ)上引入了自適應(yīng)抗差概念，使系統(tǒng)在線性濾波的基礎(chǔ)上增加了對(duì)隨機(jī)脈沖誤差的抑制能力;對(duì)于巷道固定NLOS時(shí)延，通過在巷道NLOS誤差模型的基礎(chǔ)上，構(gòu)建巷道中信號(hào)傳播距離與傳播環(huán)境間的函數(shù)模型，并結(jié)合幾何定位算法完成系統(tǒng)對(duì)固有誤差的有效抑制。實(shí)驗(yàn)結(jié)果顯示，包含有巷道NLOS時(shí)延的原始定位數(shù)據(jù)，誤差在2.1～8.1 m之間，平均誤差為3.7 m;原始數(shù)據(jù)經(jīng)自適應(yīng)抗差卡爾曼濾波算法處理后，誤差在1.9～3.6 m之間，平均誤差為2.5 m，定位曲線與實(shí)際移動(dòng)曲線基本保持平行;再經(jīng)參數(shù)擬合和幾何算法處理，誤差在0～1.0 m之間波動(dòng)，誤差平均值為0.27 m，且所提方法較原始定位數(shù)據(jù)，平均定位誤差減小了3.43 m.從而表明，所提方法對(duì)巷道NLOS時(shí)延具有較明顯的抑制作用，能夠提高TOA井下人員定位系統(tǒng)的精確度。

關(guān)鍵詞：礦井定位;NLOS;自適應(yīng)抗差卡爾曼濾波;參數(shù)擬合;TOA

中圖分類號(hào)：TD 76

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1672-9315（2020）01-0173-08

DOI：10.13800/j.cnki.xakjdxxb.2020.0123開放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

Downhole positioning NLOS delay suppression

method

based on adaptive robust Kalman filter

LI Kang-le，SHAO Xiao-qiang，PAN Hong-guang，GUO De-feng，ZHANG Run-yang，WEI Jin-yang

（College of Electric and Control Engineering，Xian University of Science and Technology，Xian 710054，China）

Abstract：To solve the problem that the positioning accuracy of time of arrival（TOA） positioning method is susceptible to delay of the non line of sight（NLOS），and based on the analysis of the formation mode of mine roadway，the NLOS delay of the roadway was divided into random NLOS delay and fixed NLOS delay.Taking the characteristics of two kinds of NLOS delays into consideration，a method of mine TOA positioning based on improved Kalman filter and parameter fitting is proposed.In order to eliminate the random NLOS delay error in roadway，the concept of adaptively robust was introduced to the basis of the classical Kalman filter algorithm.On the basis of linear filtering，the system can suppress random impulse error.Meanwhile，in order to suppress the fixed NLOS delay error，the roadway range finding error model was proposed，in which the functional relationship between signal propagation distance and propagation environment was established.Thus，the inherent error can be reduced by using the geometric positioning algorithm.The simulation results indicate that the original positioning data containing the NLOS delay of the roadway has an error between 2.1 and 8.1 m and an average error of 3.7 m.After the measurement data was processed by the Kalman filter based on the threshold of innovation，the positioning error is kept between 1.9 and 3.1 m and an average error of 2.5 m，and the positioning curve is basically parallel to the actual movement curve.After being processed by the parameter fitting and geometric algorithm，the positioning error is between 0 and 1.0 m，and the average error is 0.27 m.By comparison with the original positioning data，the average positioning error of the proposed method is reduced by 3.43 m.It can be found that the proposed method has a prominent inhibitory effect on the NLOS delay，and has a great effect on improving the accuracy of TOA downhole crew positioning system.

Key words：mine positioning;NLOS;adaptive robust Kalman filter;parameter fitting;TOA

0?引?言

中國(guó)煤礦90%以上是地下煤礦，且隨著煤礦采區(qū)的不斷擴(kuò)大和作業(yè)巷井的不斷加深，對(duì)井下作業(yè)人員和設(shè)備的監(jiān)控管理日益困難，而現(xiàn)有煤礦井下人員定位系統(tǒng)的定位精度無法達(dá)到當(dāng)前數(shù)字礦井建設(shè)的要求[1-3]。所以，建設(shè)煤礦井下人員精確定位系統(tǒng)是煤礦正常生產(chǎn)、調(diào)度、災(zāi)害救援等工作的首要任務(wù)。

基于測(cè)距的井下定位技術(shù)是當(dāng)前礦井定位的主要手段[4-5]。礦井TOA （Time Of Arrive）是一種基于信號(hào)到達(dá)時(shí)間的井下精確定位技術(shù)，在井下定位系統(tǒng)中有著廣泛的應(yīng)用[6-8]。但由于煤礦井下通信空間受限，對(duì)無線信號(hào)的傳輸形成了巨大干擾，同時(shí)又無法應(yīng)用GPS時(shí)間同步方式實(shí)現(xiàn)時(shí)鐘同步，因此形成的計(jì)時(shí)誤差、同步時(shí)延和NLOS時(shí)延等會(huì)對(duì)TOA定位精度產(chǎn)生無法忽略的影響。

針對(duì)當(dāng)前煤礦定位精度不能滿足井下物聯(lián)網(wǎng)建設(shè)的需求，孫繼平等提出了一種采用單路光纖道+雙路WiFi信道的計(jì)時(shí)誤差抑制方法，有效消除了礦井定位中的計(jì)時(shí)誤差和同步時(shí)延，但并未對(duì)巷道NLOS時(shí)延對(duì)TOA定位的影響進(jìn)行分析[9]。針對(duì)礦井定位系統(tǒng)可靠性較差的問題，劉真真等提出了一種基于指紋定位的井下分布式目標(biāo)定位方法，對(duì)定位系統(tǒng)的實(shí)時(shí)性和可靠性均有明顯提升，但并未對(duì)巷道電磁波NLOS傳播時(shí)延起到明顯的抑制作用[10]。

在采用SDS-TWR方法抑制計(jì)時(shí)誤差和同步時(shí)延的基礎(chǔ)上，孫繼平等提出了一種基于均值濾波算法和參數(shù)擬合的巷道NLOS時(shí)延方法。該方法依據(jù)圖像濾波原理，將均值濾波應(yīng)用到礦井定位中，一定程度上抑制了巷道隨機(jī)NLOS時(shí)延，但不能完全消除，測(cè)量結(jié)果仍存在較大的偏差[11]。以TOA定位中存在的巷道NLOS時(shí)延為研究對(duì)象，通過分析NLOS時(shí)延的特性，孫繼平等提出了基于TOA的井下指紋定位算法。該算法借助井下定位基站，對(duì)礦井巷道中各個(gè)區(qū)域進(jìn)行位置信息采集，并將位置信息按照統(tǒng)一的存儲(chǔ)協(xié)議上傳到定位服務(wù)器中，完成井下位置指紋數(shù)據(jù)庫(kù)的建立[12]。從而根據(jù)指紋定位算法的原理實(shí)現(xiàn)井下人員定位，但該算法處理后的定位誤差波動(dòng)較大，平均定位誤差為0.7 m，無法滿足當(dāng)前煤礦對(duì)井下人員定位的需求。

在采用SDS-TWR方法的基礎(chǔ)上，通過詳細(xì)分析巷道NLOS時(shí)延的分類和特點(diǎn)，提出了一種基于改進(jìn)卡爾曼濾波的巷道NLOS時(shí)延抑制方法。

1?巷道NLOS時(shí)延分析

基于TOA的測(cè)距技術(shù)在采用SDS-TWR方法測(cè)得的距離數(shù)據(jù)中，包含了巷道NLOS時(shí)延誤差和系統(tǒng)設(shè)備的測(cè)量誤差。測(cè)量值的表達(dá)式為

式中?tTOA為信號(hào)傳播的實(shí)際值;ts為定位系統(tǒng)的觀測(cè)誤差;tNLOS為巷道NLOS造成的時(shí)延;c為光速。在采用SDS-TWR方法時(shí)，ts很小，對(duì)TOA測(cè)量值的影響可以忽略，所以巷道NLOS時(shí)延是當(dāng)前影響TOA定位精度的主要因素。

1.1?巷道NLOS時(shí)延分類

電磁波在巷道傳輸過程中，由于障礙物的存在，致使信號(hào)無法通過直線等最短路徑在發(fā)送設(shè)備和接收設(shè)備間傳輸?shù)囊环N現(xiàn)象，稱為巷道電磁波的NLOS傳播[13-14]。所以在應(yīng)用礦井TOA定位時(shí)，TOA測(cè)量值中必然存在電磁波NLOS傳播所引起的時(shí)延誤差。

一方面，巷道中的電氣控制設(shè)備、消防設(shè)施以及通信電纜等固定設(shè)備設(shè)施導(dǎo)致電磁波在井下無法按照直射徑傳播，從而產(chǎn)生巷道NLOS時(shí)延。但是由于這些設(shè)備在相同巷道內(nèi)，設(shè)備數(shù)量和布置密度基本一致，且具有相對(duì)固定性，從而導(dǎo)致其產(chǎn)生的巷道NLOS時(shí)延較為平穩(wěn)。

通過對(duì)電磁波傳播過程的研究，得出了電磁波NLOS傳播模型[15]。在文獻(xiàn)[15]研究的基礎(chǔ)上，結(jié)合礦井巷道NLOS時(shí)延的特點(diǎn)，SU等提出了一種基于礦井巷道的電磁波NLOS傳播模型[16]，即

tNLOS=Tτdθξ

（2）

式中?Tτ為信號(hào)傳輸間距等于1 km時(shí)的中值，是已知固定參數(shù);ξ為隨機(jī)變量，且服從對(duì)數(shù)分布的;d為信號(hào)傳輸?shù)木嚯x;θ為0～1之間的指數(shù)。

通過對(duì)井下固定設(shè)施的安裝密度、更新頻率以及對(duì)無線信號(hào)傳輸?shù)挠绊懙纫蛩氐木C合分析，提出了一種適用于井下巷道的NLOS傳播模型[17]。在該模型的基礎(chǔ)上，假定tNLOS：E（λ），則有

式中?E（tNLOS）為tNLOS的均值;

D（tNLOS）為tNLOS的方差;mz，σz為z=10logξ的均值與均方差，其中z服從高斯分布;d為距離。通過式（3）和（4）發(fā)現(xiàn)，電磁波在僅有固定設(shè)備的礦井巷道中傳輸?shù)膶?shí)際距離與理論值之間的關(guān)系相對(duì)穩(wěn)定，即由此產(chǎn)生的NLOS時(shí)延誤差也較為恒定，故而將其稱為巷道固定NLOS時(shí)延。

另一方面，井下無線信號(hào)傳輸環(huán)境的穩(wěn)定性易被具有不確定性的機(jī)車等移動(dòng)設(shè)備打破。通過研究隨機(jī)性設(shè)備對(duì)無線信號(hào)傳輸環(huán)境的影響，

發(fā)現(xiàn)不確定性設(shè)備對(duì)無線信號(hào)傳輸環(huán)境的影響是巨大的，且不易于量化分析[18]。所以把由機(jī)車等不

確定性設(shè)備造成的時(shí)延誤差稱之為隨機(jī)NLOS時(shí)延。

1.2?巷道NLOS時(shí)延誤差特點(diǎn)

根據(jù)電磁波非直射徑傳播的特性發(fā)現(xiàn)，電磁波NLOS傳播均造成正向誤差，即井下定位時(shí)，測(cè)量值較實(shí)際值明顯偏大。由于2類巷道NLOS時(shí)延是由不同井下設(shè)備引起，所以它們對(duì)定位精度的影響也不同。根據(jù)電磁波似光理論和費(fèi)馬原理分析發(fā)現(xiàn)，無線信號(hào)傳輸時(shí)，總是以環(huán)境最優(yōu)路徑傳輸[19]。

對(duì)于巷道固定NLOS時(shí)延，假定定位基站到井下作業(yè)人員間的最短距離為l，且巷道中不存在機(jī)車等移動(dòng)設(shè)備，即在巷道固定NLOS環(huán)境下。假定無線信號(hào)直線傳輸?shù)木嚯x為l′，m為傳輸過程中的路徑改變的次數(shù)，故有

從而表明，在巷道固定NLOS時(shí)延環(huán)境下，無線信號(hào)傳輸過程路徑的改變次數(shù)和傳輸距離是影響定位誤差的主要因素，且定位誤差Δd的大小與傳輸距離l′，路徑改變的次數(shù)m成正比。同時(shí)，由于井下固定設(shè)施布置密度基本一致，導(dǎo)致其引起的巷道固定NLOS時(shí)延具有規(guī)律性。

對(duì)于巷道隨機(jī)NLOS時(shí)延，由于井下機(jī)車等不確定性設(shè)備體型較大，且移動(dòng)速度變化較快，在巷道中出現(xiàn)會(huì)迫使巷道無線信號(hào)傳輸環(huán)境的由穩(wěn)定期轉(zhuǎn)入震蕩期，致使信號(hào)傳輸時(shí)間產(chǎn)生一個(gè)較大增量，因此其引起的巷道NLOS時(shí)延具有顯著性、不確定性等明顯特點(diǎn)。

綜上所述，基于TOA的礦井巷道NLOS時(shí)延可以分為具有隨機(jī)性、顯著性和難以定量分析等特點(diǎn)的巷道隨機(jī)NLOS時(shí)延和具有穩(wěn)定性、規(guī)律性等特點(diǎn)的巷道固定NLOS時(shí)延2類。所以需要針對(duì)不同巷道NLOS時(shí)延的特性研究對(duì)應(yīng)的抑制方法。

2?改進(jìn)卡爾曼濾波算法

2.1?經(jīng)典卡爾曼濾波算法

經(jīng)典卡爾曼濾波算法的基礎(chǔ)動(dòng)態(tài)系統(tǒng)通常用狀態(tài)空間模型進(jìn)行描述，其中狀態(tài)空間模型主要由狀態(tài)方程和觀測(cè)方程組成[20-25]，即

式中?k為離散時(shí)間;X（k）∈Rn為k時(shí)刻的狀態(tài)值;

Y（k）∈Rm為k時(shí)刻的觀測(cè)值;Φ為狀態(tài)轉(zhuǎn)移矩陣;H為觀測(cè)矩陣;

W（k）∈Rr為輸入的白噪聲;

V（k）∈Rm為觀測(cè)噪聲。

若假設(shè)

W（k）和V（k）為不相關(guān)白噪聲，且均值均為零，方差陣分別為Q和R，則

式中?X（j）為j某時(shí)刻的狀態(tài)量;

（j|k）為X（j）的線性最小方差估計(jì)值。

在卡爾曼濾波算法的系統(tǒng)式（7）和式（8）以及上面假設(shè)下，可得到卡爾曼濾波的遞推過程如下

X（k）為k時(shí)刻狀態(tài)量的估計(jì)值和預(yù)測(cè)值;

（k）和P（k）為k時(shí)刻狀態(tài)變量估計(jì)誤差和預(yù)測(cè)誤差的協(xié)方差矩陣;K（k）為k時(shí)刻的Kalman增益;ε（k）為測(cè)量矩陣

Y（k）的新息值。

經(jīng)典卡爾曼濾波算法對(duì)線性系統(tǒng)具有出色的濾波能力，但對(duì)于存在顯著性脈沖誤差的非線性系統(tǒng)，濾波能力會(huì)大打折扣。因此，本文針對(duì)巷道隨機(jī)NLOS時(shí)延的特點(diǎn)，將自適應(yīng)抗差的概念引入經(jīng)典卡爾曼濾波中，形成了一種能夠?qū)﹄S機(jī)性誤差有效抑制的卡爾曼濾波算法。

2.2?自適應(yīng)抗差卡爾曼濾波算法

自適應(yīng)抗差卡爾曼濾波算法的基礎(chǔ)理論和遞推過程與經(jīng)典卡爾曼濾波算法一致。

在經(jīng)典卡爾曼濾波算法中，新息向量

ε（k）=Y（k）-H（k），其協(xié)方差矩陣為

D（k）=HP（k）HT

（23）

假設(shè)井下電磁波傳播環(huán)境為L(zhǎng)OS環(huán)境，即巷道中沒有引起電磁波NLOS傳播的設(shè)備時(shí)，則有ε（k）～N（0，σ2）;反之，則ε（k）～N（Y（k）-（k），σ2），（k）為TOA的標(biāo)準(zhǔn)測(cè)量距離，則檢驗(yàn)信息為

若利用式（24）作為判斷TOA測(cè)量環(huán)境的依據(jù)，則有

式中?r為閾值，用于區(qū)分LOS環(huán)境和NLOS環(huán)境，需在LOS環(huán)境下，針對(duì)不同類型的巷道和影響因素，通過多次TOA測(cè)距實(shí)驗(yàn)來確定。在式（25）的基礎(chǔ)上，利用Huber函數(shù)得

用式（26）中的

（k）代替式（20）中的

R（k），便可以使改進(jìn)后的卡爾曼濾波算法具有了自適應(yīng)特性，能夠針對(duì)不同類型誤差提供匹配的抗差更新值，從而使其不僅能夠抑制線性誤差，也能對(duì)隨機(jī)性脈沖誤差進(jìn)行有效抑制。所以，自適應(yīng)抗差卡爾曼濾波算法能夠?qū)崿F(xiàn)對(duì)巷道隨機(jī)NLOS時(shí)延的有效抑制。

3?基于參數(shù)擬合的幾何定位算法

TOA定位通常采用雙定位基站估計(jì)移動(dòng)目標(biāo)的位置，假設(shè)d為兩基站間的距離。由于自適應(yīng)抗差卡爾曼濾波算法只能抑制巷道隨機(jī)NLOS時(shí)延，對(duì)巷道固定NLOS時(shí)延沒有明顯的抑制作用，所以導(dǎo)致測(cè)量數(shù)據(jù)存在明顯的正向誤差，如圖1所示。

由于相同巷道固定設(shè)備設(shè)施布置相同，所以相同巷道中不同基站測(cè)試數(shù)據(jù)所包含的巷道固定NLOS時(shí)延相同。因此結(jié)合式（1）和式（2）有

式中?d′1和d′2分別為只含有巷道固定NLOS時(shí)延的測(cè)量值;d1和d2分別為定位的實(shí)際值。假設(shè)p為巷道NLOS時(shí)延系數(shù)，則有

因?yàn)槭剑?9）中p和θ未知，所以需要在無隨機(jī)因素影響的巷道中測(cè)取基站到任意m點(diǎn)的d′和d，建立二元方程組，進(jìn)而通過參數(shù)擬合求解未知量。假設(shè)巷道任意點(diǎn)與基站1的實(shí)際距離為d1（1），d1（2），…，d1（m），測(cè)量距離為d′1（1），d′1（2），…，d′1（m），進(jìn)而有

運(yùn)用參數(shù)擬合求解式（30），選擇解集中具有最小歐氏距離的一組數(shù)值解作為

p和θ的參數(shù)擬合值。因此，對(duì)應(yīng)的抑制巷道固定NLOS時(shí)延的計(jì)算公式為

由于文中定位方法假定礦井巷道為一維直線，但實(shí)際巷道為二維平面，從而導(dǎo)致定位結(jié)果存在漂移。所以需要運(yùn)用幾何算法對(duì)測(cè)量位置進(jìn)行歸一化處理，即

式中?1和2分別為歸一化處理后定位目標(biāo)與基站1和基站2的距離，m.

4?仿真分析

4.1?仿真方法及流程

礦井巷道結(jié)構(gòu)和井下定位基站分布如圖2所示。井下巷道分布主要有帶狀和條狀2種形式，且具有分支，定位基站按照巷道的實(shí)際走向，采用直線方式安裝，基站配備有檢測(cè)信號(hào)方向的雙向定向天線，且均安裝在巷道頂板中點(diǎn)這個(gè)最佳安裝位置，相鄰兩個(gè)基站距離固定。攜帶有定位識(shí)別卡的井下作業(yè)人員在礦井巷道中正常工作，機(jī)車等運(yùn)輸設(shè)施在巷道中按照既定路線運(yùn)輸。定位方法的工作流程如下

1）定位基站以固定的采樣時(shí)間向定位區(qū)域發(fā)送人員檢測(cè)信號(hào)，一旦檢測(cè)到人員定位卡，基站記錄信號(hào)到達(dá)時(shí)間，并進(jìn)行再次檢測(cè)。

2）基站通過信號(hào)傳輸電纜，將記錄的時(shí)間值、定位卡編號(hào)和基站編號(hào)等信息傳回地面服務(wù)器。

3）服務(wù)器通過識(shí)別卡編號(hào)讀取基站檢測(cè)的時(shí)間值，并通過自適應(yīng)抗差卡爾曼濾波算法對(duì)時(shí)間值進(jìn)行處理，之后根據(jù)式（1）將時(shí)間轉(zhuǎn)化為距離值。

4）服務(wù)器根據(jù)基站編號(hào)，匹配相應(yīng)的巷道參數(shù)，進(jìn)而運(yùn)用參數(shù)擬合和幾何定位算法對(duì)距離值進(jìn)行處理，得到人員定位卡與該基站的距離估計(jì)值。

5）服務(wù)器選取相鄰基站的距離值作為該定位卡在巷道中的坐標(biāo)值，并結(jié)合基站在巷道中的位置，輸出定位卡在巷道中的實(shí)際位置。

4.2?仿真結(jié)果分析

在文獻(xiàn)[26]測(cè)試環(huán)境和測(cè)試數(shù)據(jù)的基礎(chǔ)上，運(yùn)用MATLAB建立自適應(yīng)抗差卡爾曼濾波、參數(shù)擬合和幾何算法的模型對(duì)測(cè)試數(shù)據(jù)進(jìn)行仿真分析。其中測(cè)試環(huán)境如圖2所示，相鄰基站相距60 m，作業(yè)人員以1.5 m/s的速度在巷道勻速移動(dòng)，

運(yùn)動(dòng)方向是從基站1到基站2.仿真原始數(shù)據(jù)見表1.

以表1中的實(shí)際位置和SDS-TWR測(cè)量位置作為算法原始輸入數(shù)據(jù)，并結(jié)合式（7）和式（8）建立卡爾曼濾波狀態(tài)空間模型。然后經(jīng)抗差矩陣閾值r=2的自適應(yīng)抗差卡爾曼濾波算法處理，得到如表1所示的自適應(yīng)抗差卡爾曼濾波算法估計(jì)位置。在自適應(yīng)抗差卡爾曼濾波算法的基礎(chǔ)上通過參數(shù)擬合求得巷道NLOS時(shí)延系數(shù)p=2.653 7和指數(shù)θ=0.012 1，再經(jīng)幾何算法處理得到如表1所示的所提算法的估計(jì)位置，文中所提方法的定位曲線如圖3所示，誤差曲線如圖4所示。

從表1和圖3，圖4可以看出，采用SDS-TWR方法直接測(cè)的原始數(shù)據(jù)誤差范圍為2.1～8.1 m，平均誤差為3.7 m，包含有巷道隨機(jī)NLOS時(shí)延誤差和巷道固定NLOS時(shí)延誤差;數(shù)據(jù)經(jīng)過自適應(yīng)抗差卡爾曼濾波算法處理后誤差在1.9～3.6 m之間，平均誤差為2.5 m，即基本上消除了巷道隨機(jī)NLOS時(shí)延誤差，但還存在巷道固定NLOS時(shí)延誤差;經(jīng)過參數(shù)擬合和幾何算法處理后的數(shù)據(jù)誤差范圍為0～1 m，平均誤差降為0.27 m，表明巷道NLOS時(shí)延誤差基本消除。不同方法的誤差比較曲線如圖5所示。

通過表1和圖5分析發(fā)現(xiàn)，若不經(jīng)任何巷道NLOS時(shí)延抑制算法處理，直接采用SDS-TWR方法測(cè)得的定位結(jié)果誤差在2.1～7.0 m之間波動(dòng)，誤差平均值為3.9m;當(dāng)在SDS-TWR方法的基礎(chǔ)上經(jīng)卡爾曼濾波和指紋定位算法處理，得到消除巷道NLOS時(shí)延的定位結(jié)果，誤差在0～2.0 m之間波動(dòng)，誤差平均值為0.7 m;當(dāng)在SDS-TWR方法的基礎(chǔ)上經(jīng)所提方法處理，得到抑制巷道NLOS時(shí)延誤的定位結(jié)果，誤差在0～1.0 m之間波動(dòng)，誤差平均值為0.27 m.相比于前面兩種方法，文中所提方法的定位誤差平均值減小了3.63和0.43 m.因此表明，所提方法對(duì)巷道NLOS時(shí)延有明顯的抑制作用，且定位誤差明顯小于其他定位方法。

5?結(jié)?論

1）巷道NLOS時(shí)延分為隨機(jī)和固定兩類，其中隨機(jī)時(shí)延具有隨機(jī)性、顯著性和難以定量分析等特點(diǎn)，固定時(shí)延具有相對(duì)穩(wěn)定性和規(guī)律性等特點(diǎn)。

2）自適應(yīng)抗差卡爾曼濾波算法能夠有效抑制巷道隨機(jī)NLOS時(shí)延，但對(duì)固定時(shí)延沒有明顯的抑制作用，算法的性能取決于抗差矩陣閾值的選擇。

3） 參數(shù)擬合和幾何定位算法能夠明顯抑制巷道固定NLOS時(shí)延，且定位結(jié)果較為準(zhǔn)確，但參數(shù)擬合值需要根據(jù)不同巷道環(huán)境進(jìn)行選取。

4） 經(jīng)仿真驗(yàn)證，所提方法對(duì)巷道NLOS時(shí)延有較明顯的抑制作用，定位精度有較大提升，可以滿足礦井TOA定位在井下NLOS環(huán)境中的應(yīng)用。

參考文獻(xiàn)（References）：

[1]申?雪，劉?馳，孔?寧，等.智慧礦山物聯(lián)網(wǎng)技術(shù)發(fā)展現(xiàn)狀研究[J].中國(guó)礦業(yè)，2018，27（7）：120-125，143.SHEN Xue，LIU Chi，KONG Ning，et al.Research on the technical development status of the intelligent mine base on internet of things[J].China Mining Magazine，2018，27（7）：120-125，143.

[2]霍振龍.礦井定位技術(shù)現(xiàn)狀和發(fā)展趨勢(shì)[J].工礦自動(dòng)化，2018，44（2）：51-55.HUO Zhen-long.Status and development trend of mine positioning technology[J].Industry and Mine Automation，2018，44（2）：51-55.

[3]胡青松，張?申，吳立新，等.礦井動(dòng)目標(biāo)定位：挑戰(zhàn)、現(xiàn)狀與趨勢(shì)[J].煤炭學(xué)報(bào)，2016，41（05）：1059-1068.HU Qing-song，ZHANG Shen，WU Li-xin，et al.Localization techniques of mobile objects in coal mines：challenges，solutions and trends[J].Journal of China Coal Society，2016，41（5）：1059-1068.

[4]劉世森.基于AOA的礦井人員精確定位技術(shù)[J].煤礦安全，2019，50（7）：140-142，146.LIU Shi-sen.Accurate positioning technology for mine workers based on AOA[J].Safety in Coal Mine，2019，50（7）：140-142，146.

[5]孫哲星，孫繼平.異步測(cè)時(shí)礦井人員精確定位方法[J].煤炭學(xué)報(bào)，2018，43（5）：1464-1470.SUN Zhe-xing，SUN Ji-ping.Underground coal mine accurate personnel positioning method based on asynchronous time-measuring[J].Journal of China Coal Society，2018，43（5）：1464-1470.

[6]Khan U H，Rasheed H，Aslam B，et al.Localization of compact circularly polarized RFID tag using TOA technique[J].Radio engineering，2017，26（1）：147-153.

[7]Shao Xiao-qiang，Li Kang-le，Chen Xi.A method of TOA positioning for mine to effectively reduce the impact of Non-Line of sight error propagation[C]//Proceedings of the 30th Chinese Control and Decision Conference，CCDC 2018.Shenyang：Institute of Electrical and Electronics Engineers Inc.，2018：4650-4655.

[8]ZHANG Rui，XIA Wei-wei，YAN Feng，et al.A single-site positioning method based on TOA and DOA estimation using virtual stations in NLOS environment[J].China Communications，2019，16（2）：146-159.

[9]孫繼平，李晨鑫.基于WiFi和計(jì)時(shí)誤差抑制的TOA煤礦井下目標(biāo)定位方法[J].煤炭學(xué)報(bào)，2014，39（1）：192-197.

SUN Ji-ping，LI Chen-xin.TOA underground coal mine target positioning method based on WiFi and timing error suppression[J].Journal of China Coal Society，2014，39（1）：192-197.

[10]劉真真，田子建，王文清，等.基于TOA壓縮感知的礦井分布式目標(biāo)定位方法[J].煤炭科學(xué)技術(shù)，2018，46（9）：188-195.LIU Zhen-zhen，TIAN Zi-jian，WANG Wen-qing，et al.Mine distributed target location method based on TOA compressed sensing[J].Coal Science and Technology，2018，46（9）：188-195.

[11]孫繼平，李晨鑫.基于改進(jìn)均值濾波和參數(shù)擬合的礦井TOA幾何定位方法[J].煤炭學(xué)報(bào)，2015，40（5）：1206-1212.SUN Ji-ping，LI Chen-xin.Mine TOA geometric positioning method based on improved mean filtering and parameter fitting[J].Journal of China Coal Society，2015，40（5）：1206-1212.

[12]孫繼平，李晨鑫.基于卡爾曼濾波和指紋定位的礦井TOA定位方法[J].中國(guó)礦業(yè)大學(xué)學(xué)報(bào)，2014，43（6）：1127-1133.SUN Ji-ping，LI Chen-xin.Mine time of arrival positioning method based on Kalman filtering and fingerprint positioning[J].Journal of China University of Mining & Technology，2014，43（6）：1127-1133.

[13]Korrai P K，Rao K D.Performance analysis of downlink mmWave networks under LOS/NLOS propagation with blockage and directional beamforming[J].Telecommunication Systems，2019，72（1）：53-68.

[14]李旭虹，張同麗，張育芝.礦井NLOS環(huán)境下改進(jìn)UKF超寬帶定位算法[J].西安科技大學(xué)學(xué)報(bào)，2018，38（5）：824-829.LI Xu-hong，ZHANG Tong-li，ZHANG Yu-zhi.Research on improved UKF UWB localization algorithm in mine NLOS environment[J].Journal of Xian University of Science and Technology，2018，38（5）：824-829.

[15]CHENG Long，WANG Yan，SUN Xing-ming，et al.A mobile localization strategy for wireless sensor network in NLOS conditions[J].China Communications，2016，13（10）：69-78.

[16]SU Zheng-qiang，SHAO Gen-fu，LIU Hua-ping.Semidefinite programming for NLOS error mitigation in TDOA localization[J].IEEE Communications Letters，2017，21（09）：15-34.

[17]曾?玲，彭?程，劉?恒.基于非視距鑒別的超寬帶室內(nèi)定位算法[J].計(jì)算機(jī)應(yīng)用，2018，38（S1）：131-134，139.ZENG Ling，PENG Cheng，LIU Heng.UWB indoor positioning algorithm based on NLOS identification[J].Journal of Computer Applications，2018，38（S1）：131-134，139.

[18]黃越洋，張嗣瀛，井元偉，等.基于TDOA和RSS的可行域粒子濾波非視距定位算法[J].控制與決策，2017，32（8）：1415-1420.HUANG Yue-yang，ZHANG Si-ying，JING Yuan-wei，et al.Non-line of sight localization algorithm based on TDOA and RSS by feasible region particle filter[J].Control and Decision，2017，32（8）：1415-1420.

[19]鮑小雨，王?慶，陽?媛，等.一種抑制NLOS誤差的UWB定位方法[J].傳感器與微系統(tǒng)，2019，38（9）：9-12.BAO Xiao-yu，WANG Qing，YANG Yuan，et al.A UWB positioning method for suppressing NLOS error[J].Transducer and Microsystem Technologies，2019，38（9）：9-12.

[20]周?瑞，袁興中，黃一鳴.基于卡爾曼濾波的WiFi-PDR融合室內(nèi)定位[J].電子科技大學(xué)學(xué)報(bào)，2016，45（3）：399-404.ZHOU Rui，YUAN Xing-zhong，HUANG Yi-ming.WiFi-PDR fused indoor positioning based on Kalman filtering[J].Journal of University of Electronic Science and Technology of China，2016，45（3）：399-404.

[21]ZHOU Cheng，YUAN Jia-zheng，LIU Hong-zhe，et al.Bluetooth indoor positioning based on RSSI and Kalman filter[J].Wireless Personal Communications，2017，96（3）：4115-4130.

[22]ZHU Da-li，ZHAO Bo-bai，WANG Si-ye.Mobile target indoor tracking based on multi-direction weight position Kalman filter[J].Computer Networks，2018，141：115-127.

[23]SONG Dong-ran，YANG Jian，DONG Mi，et al.Kalman filter-based wind speed estimation for wind turbine control[J].International Journal of Control Automation & Systems，2017，15（3）：1089-1096.

[24]周?牧，耿小龍，謝良波，等.室內(nèi)WiFi/PDR自適應(yīng)魯棒卡爾曼濾波融合定位方法[J].電子學(xué)報(bào)，2019，47（1）：9-15.ZHOU Mu，GENG Xiao-long，XIE Liang-bo，et al.Indoor WiFi /PDR fusion localization based on adaptive and robust Kalman filter[J].Acta Electronica Sinica，2019，47（1）：9-15.

[25]孫?偉，段順利，閆慧芳，等.基于卡爾曼平滑的AWKNN室內(nèi)定位方法[J].電子科技大學(xué)學(xué)報(bào)，2018，47（6）：829-833.SUN Wei，DUAN Shun-li，YAN Hui-fang，et al.AWKNN indoor location methods based on Kalman smoothing[J].Journal of University of Electronic Science and Technology of China，2018，47（6）：829-833.

[26]邵小強(qiáng)，李康樂，陳?熙，等.基于改進(jìn)卡爾曼濾波和參數(shù)擬合的礦井TOA定位方法[J].煤炭學(xué)報(bào)，2019，44（5）：1616-1624.SHAO Xiao-qiang，LI Kang-le，CHEN Xi，et al.TOA positioning method of coalmine based on Kalman filter and parameter fitting[J].Journal of China Coal Society，2019，44（5）：1616-1624.