提升井下定位精度：LQI滤波与联合参数估计的ZigBee算法

本文主要探讨了在煤炭行业中，针对基于RFID技术的井下人员定位系统存在的定位准确度低和抗干扰性差问题，提出了一种创新的井下人员定位算法。该算法是在ZigBee通信协议的框架下进行设计，核心在于结合Link Quality Indicator (LQI)滤波技术和Received Signal Strength Indicator (RSSI)的联合参数估计。 首先，LQI滤波是关键步骤，通过对ZigBee芯片获取的原始RSSI数据进行处理，有效地去除噪声和不稳定的信号，提高数据质量。LQI指标反映了无线信号的可靠性和传输质量，通过这个指标可以筛选出更稳定、强度更高的信号用于定位计算。 其次，算法进一步对RSSI信号中的信道参数和环境噪声参数进行联合估计。这一步骤旨在识别信号传播过程中的衰减和干扰因素，从而更精确地估计接收信号的实际强度。通过这种联合分析，算法能够更好地理解和补偿环境因素对定位的影响，增强定位的鲁棒性。 接着，根据环境噪声参数，算法进行距离估计的补偿。传统的RSSI定位可能受到环境因素如多径效应和阴影衰落的影响，通过环境参数的补偿，算法能够减小这些误差，提高定位精度。 最后，利用最小二乘法进行定位计算，这是一种优化方法，可以有效地整合所有相关信息，给出最精确的人员位置估计。通过这种方法，算法实现了定位准确度的提升，相较于传统的RSSI定位算法，其定位均方误差下降了大约10%，表明算法在实际应用中具有显著的优势。 这项研究不仅提升了井下人员定位系统的性能，还展示了如何通过深入挖掘硬件设备潜力和考虑环境因素来改进定位算法。研究成果发表于《煤炭学报》2017年第6期，得到了国家自然科学基金项目的资金支持，作者邢智鹏等人在论文中分享了他们的理论贡献和技术实现。 这篇论文提供了一个有效的解决方案，对于提高井下作业安全和效率具有重要意义，也为其他类似无线通信环境下的人员定位系统提供了有价值的技术参考。