金属矿山

作者：韩继英,李芳丽,朱元凯

单位：1. 山西职业技术学院计算机工程系,山西 太原 030006;2. 马来西亚林肯大学工程学院,雪兰莪州 八打灵再也 47301;3. 泰山职业技术学院信息技术工程系,山东 泰安 271001

关键词：矿井指纹定位,Hadoop 云平台,MapReduce,指纹匹配,

基金：江西省教育厅科技项目(GJJ180975)。

针对现有矿井指纹定位算法定位精度不高、实时性不强的问题,结合 Hadoop 云平台技术,提出了一种基于 Hadoop 云平台的矿井指纹定位算法。 该算法首先在指纹特征提取前对矿井中的多基站信号源进行数据预处理,提高指纹特征的可靠性和鲁棒性;其次,利用小波基函数对源指纹信号进行线性变换,并将多个基站信号分解成不同尺度的频带,得到具有代表性的指纹特征向量;再次,将每个待定位的矿工或移动设备信号分解为若干个子信号区域,并逐区域计算待测信号源与特征集之间的相关系数矩阵,根据相关系数矩阵实现指纹信息匹配;最后,利用多普勒效应和信号衰减原理,对每个节点的位置进行估计,获得每个节点的具体位置信息。 在国内某矿井进行了定位试验,结果表明:相对于主流的指纹定位算法,所提出的矿井指纹定位算法能够快速、准确地定位矿井中的人或移动设备,具有较高的定位精度和实时性。 该算法可以应用于实际的矿井安全监测和管理中,为矿井安全和高效生产提供支持。

来源：2023年第09期

《金属矿山》期刊编辑部

查看金属矿山杂志2023年第09期