科研之友
微信
新浪微博
Facebook
分享链接
摘要
对于矿井作业中的人员管理，灾后救援，位置信息至关重要，指纹定位可显著提高矿井定位精度，有利于更好地管理矿井人员作业，但费时费力的指纹库构建过程阻碍了其大规模应用。为此，提出了一种基于粒子群与模拟退火的克里金插值算法（PSO-SA-Kriging），初始阶段用户只需采集部分指纹采样点的数据，然后根据采样点数据拟合克里金理论模型，最后通过克里金模型插值获得全部指纹数据集，其中主要利用粒子群与模拟退火算法优化克里金理论模型，使其更加贴合实际矿井环境，获取目标场景下的指纹数据集。算法利用粒子群收敛速度快的优势，解决了指纹库快速构建的问题。同时，利用模拟退火解决粒子群可能陷入局部最优的缺陷，解决模型拟合不准确的问题，使得插值结果更加精确。最后，通过在矿井环境下采集指纹数据，建立全部采样数据库、半采样与插值混合数据库，并选用最近邻算法（KNN）进行定位验证，仿真表明，POS-SA-Kriging大幅降低了指纹构建工作量，同时具有优秀的定位精度，实现了速度与精度的统一。
- 单位
