基于先验数据驱动与加速度协同自适应机制的非视距抑制方法在矿井救援定位中的应用
胡青松
钟惠
成元勋
王柳笛
李世银
中国矿业大学信息与控制工程学院,江苏 徐州 221116
摘要：在矿井事故救援中,井下环境极为复杂,如巷道、岩石等物体的阻挡,加上物理空间的变化以及高浓度有害气体的存在,会导致超宽带(UWB)信号衰减、反射、折射并形成多条传播路径,这些因素使得非视距和多径效应十分明显,进而严重影响定位精度.针对上述问题,提出了基于先验数据驱动的高斯混合模型与加速度协同自适应的扩展卡尔曼滤波算法(PGA-AEKF).首先,利用赤池信息准则和贝叶斯信息准则确定高斯混合分布的数量,借助粒子群和模拟退火算法去优化期望最大化算法,确定各分布参数,使用改进后的高斯混合模型拟合采集的时延先验数据分布;然后,根据几何方法得到场景的实时非视距概率值,进一步结合行人或车辆运动加速度异常判断的结果共同生成自适应因子;最后,使用自适应因子调整噪声协方差矩阵的大小来提高定位精度.为验证算法性能,在云龙山隧道及地下空间烟雾环境中进行了轨迹跟踪试验.试验结果表明:在隧道场景中提出的PGA-AEKF算法相比纯惯性测量单元算法、最小二乘法、扩展卡尔曼滤波算法,平均误差分别降低了 86.67%、69.23%、38.46%;在烟雾场景下,与上述算法相比,平均误差分别降低了 83.78%、60.00%、25.00%.研究表明,PGA-AEKF算法在复杂矿井事故救援场景下能够有效应对非视距干扰,抑制噪声和误差.
关键词：矿井事故救援目标定位超宽带高斯混合模型加速度自适应扩展卡尔曼滤波
分类号：TD676(矿山电工)
论文发表日期：2025-11-20
在线出版日期：2025-11-25（本平台首次上网日期，不代表文献的发表时间）
页数：10( 201-210 )
英文信息