CN202600134U - 煤矿井下超宽带定位系统 - Google Patents

Abstract

本实用新型公开了一种煤矿井下超宽带定位系统。本系统包括远程监视层的浏览器服务器，数据服务器，地面监控终端，交换机，现场监控层的目标节点，参考节点，网关和基站，其中应用于井下的设备均是本质安全型的。该系统采用基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术，用一种非参数NLOS鉴别方法来进行NLOS鉴别，然后根据NLOS鉴别结果分配相应的加权因子，构造一个新的加权最小二乘法定位算法，并用该算法来估计出目标节点的位置。本实用新型抗干扰能力强，定位精度高，成本低，系统设备结构简单，能耗小等特点，更加适合巷道工作环境。

Description

煤矿井下超宽带定位系统

技术领域

本实用新型涉及煤矿井下安全监控领域，具体的说是涉及一种煤矿井下超宽带精确定位系统。

背景技术

煤炭是我国的主要能源，但煤矿井下的工作环境恶劣，地质环境复杂，开采技术相对落后，井下生产人员素质较低，导致各种矿井的恶性事故不断发生，一旦事故发生，地面人员难以及时动态的掌握井下人员的分布及作业情况，抢险救灾效率低。井下工作人员的生命安全受到严重威胁。随着科学技术的不断进步，人们在井下布设了多种探测系统和监控系统，以便获知井下工作人员的位置，方便在发生矿难时及时开展救援工作以及日常生产中的管理调度。因此有必要研究矿井下目标精确定位系统与方法，这是矿井生产、调度和抢险救灾等的关键环节。

传统的煤矿井下无线测距与定位技术很多，包括红外线、超声波、射频识别、蓝牙、ZigBee和WiFi等，但这些方法都存在一定的局限性：红外线穿透性差，只适合短距离传输，且容易被灯光干扰；超声波受多径环境的影响严重；射频识别方法信号不稳定；蓝牙技术成本高，复杂环境中稳定性较差；基于ZigBee和WiFi等技术的计算电磁波能量的定位系统，在用于位置检测时难以达到很好的精度。

超宽带(UWB)作为一门新兴的无线通信技术，采用冲击无线电(IR)的形式，通过发送皮秒至纳秒级的非正弦窄脉冲传输数据。超宽带无线通信系统具有许多与其他无线通信系统完全不同的特点：具有高速、低成本、低功耗、定位精确、时间分辨率高、抗多径干扰、穿透能力强等优点，因此，基于超宽带的定位技术非常适合在煤矿井下使用。

矿井下最主要的问题是非视距(NLOS)传输严重，一些基于到达时间(TOA)的超宽带定位技术，由于没有鉴别和消除NLOS传播误差，造成该类定位系统无法达到精确定位的要求。

发明内容

为了克服以上不足，特别是为了克服矿井定位系统抗干扰能力差、定位精确度低、矿井定位设备体积受限、超宽带信号在矿井下存在NLOS传播等问题，本实用新型提供了一种精确的矿井下超宽带定位系统，该系统结合巷道空间的特点，利用有限的参考节点和简单的算法实现实时精确的目标定位，满足了矿井生产调度和灾后及时救援的需要。

为了实现上述目的，本实用新型采用以下技术方案：

一种煤矿井下超宽带定位系统，包括远程监视层和现场监控层，所述远程监视层包括浏览器服务器，数据服务器，地面监控终端，交换机；所述现场监控层包括目标节点，参考节点，网关和基站；数据服务器和地面监控终端通过交换机与基站构成有线网络，并通过Internet网络将实时定位数据传送给浏览器服务器；目标节点，参考节点，网关和基站构成超宽带无线定位网络；基站通过光纤或总线挂接在交换机上；目标节点由井下作业人员或者机械装置携带；

所述数据服务器，接收并存储目标节点位置数据；

所述地面监控终端，记录参考节点部署位置信息，根据接收到的距离测量值，进行NLOS鉴别，并根据NLOS鉴别结果和参考节点的部署位置及巷道分布，计算目标节点的精确位置，并将位置信息再发送给数据服务器及浏览器服务器；

所述交换机和基站，负责转发定位信息；

所述网关负责完成超宽带无线定位信息的转发和配置信息的传送；

所述参考节点，放置在网关设备无线信号覆盖范围内，提供一个包含自己位置坐标和接收信号强度指示值(RSSI)的信息包给目标节点，完成传输超宽带信号到达时间的计算；

所述目标节点，与井下人员的身份对应，完成参考节点的选取；

所述的系统中涉及的井下设备全部是本质安全型设备。

所述网关包括：微处理器、存储器、总线模块、超宽带天线、电源、通信接口、液晶显示器、选择按键。

所述参考节点包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

所述目标节点包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

所述能量检测接收机结构包括：超宽带天线、低噪声放大器LNA、带通滤波器BPF、平方器、积分器、采样开关、判决器。

为了实现上述目的，本实用新型提供一种基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术：根据煤矿井下巷道实际特点，在巷道的两侧边缘沿一定的距离线性部署参考节点，目标定位时，首先根据接收信号强度值确定参与目标节点精确定位的参考节点，并估计出每次来自目标节点的超宽带定位信号的到达时间(TOA)，在计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别，根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子，构造加权因子最小二乘法定位算法的目标函数，并计算出目标节点的位置。

所述基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术，包括以下步骤：

A.确定参与目标节点精确定位的参考节点，并计算出每次来自目标节点的超宽带定位信号的到达时间TOA，重复进行M次；

B.根据每个参考结点估计出的M个TOA值，计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别；

C.根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子；

D.根据分配的加权因子，构造加权因子最小二乘法定位算法的目标函数，并估计目标节点的位置。

所述步骤A包括下列步骤：

A1.在巷道的两侧边缘沿一定的距离线性部署参考节点；

A2.在目标节点MS进入巷道后，MS向周围内的参考节点周期性地广播定位请求信号，连续发送M次，参考节点收到定位请求信号后，从中提出一组RSSI值，然后对这组RSSI值求平均，并记录该平均值；

A3.目标节点MS发送完M次定位请求后广播一次收集RSSI信息，这时周围参考节点会向该目标节点回复其记录的RSSI平均值，目标节点收集完RSSI信息后，如果收集到的RSSI值的个数小于3个，则再重新广播定位请求信号；否则，对收集到的RSSI值进行排序，并选取最大的3个作为参考节点，并向这3个参考节点再发送M次定位信号；

A4.参考节点每次接收到定位信号后，将接收到的信号r(t)通过平方器后再进行积分采样，获得信号的能量采样序列：

N＝T_f/T_b，其中n表示能量块的序列号，T_b表示积分周期，T_f表示帧周期，N表示一帧内能量块数；

A5.根据所述的能量采样序列与设定的门限值θ进行比较，将第一个超出门限的能量块作为直接路径DP所在的采样块，即

其中Y_n为信号的能量采样序列，

表示DP所在的能量块，θ表示判别门限，

表示DP到达目标的时间。

所述步骤B包括下列步骤：

B1.参考结点在估计出了M个TOA后，可以计算出M个相应的距离值，对于第i(i＝1，…，M)次测量，在视距(LOS)情况下r_i＝s+n_noise，NLOS情况下r_i＝s+n_noise+n_NLOS，其中r_i表示第i次的距离测量值，s表示目标节点和参考节点之间的真实距离，n_noise表示测量噪声，n_NLOS表示NLOS误差；

B2.计算测量噪声n_noise的概率密度函数(PDF)，在LOS情况下，n_noise可表示为0均值标准差为σ的高斯随机变量，它的概率密度函数表示为：

$P_{\mathrm{noise}}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-x^2/\left({2\mathrm{\σ}}^2\right)};$

B3.根据所述测量噪声的概率密度函数P_noise(x)，计算LOS情况下距离测量值r_i(i＝1，…，M)的PDF：

其中s表示目标节点和参考节点之间的真实距离；

B4.根据所述的M个距离测量值r_i(i＝1，…，M)，计算测量距离的

其中Φ(x)表示高斯窗或矩形窗的窗函数，L表示缩放参数，r_i表示第i个距离测量值；

B5.根据所述的P_noise(x-s)和

计算P_noise(x-s)和

之间的最小距离： $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)=\∫{\hat{P}}_r\left(x\right)\log \frac{{\hat{P}}_r\left(x\right)}{P_{\mathrm{noise}}(x-\hat{s})}\mathrm{dx},$ 其中 $\hat{s}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{r}_i$ 表示M个距离测量值r_i(i＝1，…，M)的平均值；

B6.根据所述的最小距离

比较这个最小值和门限值δ的大小，当

判决为LOS，当则判决为NLOS，其中门限值δ表示如下：δ′＝δ-L²σ_ω ²/(2σ²)(σ_ω ²＝∫x²Φ(x)dx)，L表示所选窗函数的缩放参数，σ表示LOS情况下测量噪声n_noise的标准差。

所述步骤C中，根据第j个参考节点的NLOS鉴别结果为其分配加权因子，当第j个参考节点被判定为LOS状态时，为其分配的加权因子为k_j＝1；当该参考节点被判定为NLOS状态时，则为其分配的加权因子为

其中i(i＝1，2，…，M)表示第i次测量，j(j＝1，2，3)表示第j个参考节点，r_ji表示第j个参考节点的第i次距离测量值，

表示第j个参考节点的M个距离测量值r_ji的平均值。

所述步骤D包括下列步骤：

D1.根据所述的为参与目标节点精确定位的参考节点分配的加权因子，构造加权因子最小二乘法定位算法的目标函数： $F\left(X\right)=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{\left({\hat{s}}_j\right||X-X_j|\left|\right)}^2=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-\sqrt{{(x-x_j)}^2+{(y-y_j)}^2})}^2,$ 其中X(x，y)表示位置坐标变量，X_j(x_j，y_j)(j＝1，2，3)表示第j个参考节点位置坐标，k_j(j＝1，2，3)表示第j个参考节点分配到的加权因子，

表示第j个参考节点的M个距离测量值r_ji的平均值；

D2.根据所述的目标函数F(x)，应用最小二乘法计算目标节点的位置坐标

$(\widehat{x_{\mathrm{MS}}},{\hat{y}}_{\mathrm{MS}})=\arg \underset{X}{\min }\left\{F\left(X\right)\right\}.$

本实用新型的有益效果是：

1.矿井下环境复杂，传统的定位系统无法达到精确定位的要求，通过采用强时间分辨能力的超宽带信号，由于信号占空比极低，多径信号在时间上是可分离的，大大提高了定位方法和系统的抗干扰能力。同时超宽带技术的使用，使终端设备的功耗大幅降低。且因为不需要采用复杂的调制解调技术，使得系统设备结构简单，体积小，适合井下特殊环境的使用。UWB技术有其他无线通信技术无法比拟的优势，它结合无线传感器网络技术可以方便的应用在矿井中，达到较高的定位精度。

2.矿井下最主要的问题是NLOS传输严重，为了减小产生的较大的NLOS定位误差，通过采用非参数NLOS鉴别方法，该方法的主要思想是去比较LOS情况下的PDF和距离测量值的PDF的接近程度，可方便有效的用于NLOS鉴别。

3.为了减小NLOS误差对位置估计恶化的影响，通过采用一种新的加权因子最小二乘法定位算法，该算法的加权因子由NLOS鉴别的结果确定，大小反映了NLOS和LOS参考结点在位置估计中所占的比重，可以较精确的估计出目标节点的位置坐标。

附图说明

图1是本实用新型的在NLOS情况下基于TOA的定位原理图；

图2是本实用新型的定位系统组成框图；

图3是本实用新型的基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术流程框图；

图4是本实用新型的网关的电路框图；

图5是本实用新型的能量检测接收机结构的电路框图；

图6是本实用新型的参考节点和目标节点相同的电路框图；

图7是本实用新型的实验场景配置图；

图8是本实用新型的实验测试数据；

图9是本实用新型的仿真结果图；

图中，1、括数据服务器；2、地面监控终端；3、交换机；4、浏览器服务器；5、基站；6、网关；7、参考节点；8、目标节点。

具体实施方式

为使本实用新型的技术方案、特点和优点更加清楚，下面结合附图和具体实施方式对本实用新型进一步说明。

图1是本实用新型的在NLOS情况下基于TOA的定位原理图。

如图1所示，在基于TOA的UWB定位系统中，每个到达时间τ都决定了一个圆心为参考结点半径为r_i＝c×τ(i＝1，2，3)的圆，其中c为超宽带信号在巷道中传播的速度。如果没有NLOS误差和测量噪声误差，在二维空间中3个由TOA决定的圆可以完全相交于一点，这一点即是目标结点的位置；如果存在NLOS误差和测量噪声误差，其测量距离为真实距离s、NLOS误差和测量噪声误差之和，常情况下，NLOS误差会使测量距离相对于真实距离产生一个较大的正偏差，这会导致目标结点的定位模糊，正如图1所示，目标结点MS的位置位于3个圆的重叠区域内。为了减小NLOS误差对位置估计恶化的影响，首先对目标节点和参考节点之间的信道进行NLOS鉴别，然后通过采用一种新的加权因子最小二乘法定位算法，该算法的加权因子由NLOS鉴别的结果确定，来计算目标节点的精确位置。

图2是本实用新型的定位系统组成框图。

如图2所示，本实用新型，一种煤矿井下超宽带定位系统，包括远程监视层和现场监控层，远程监视层包括数据服务器1，地面监控终端2，交换机3，浏览器服务器4；现场监控层包括基站5，网关6，参考节点7，目标节点8；数据服务器1和地面监控终端2通过交换机3与基站5构成有线网络，并通过Internet网络将实时定位数据传送给浏览器服务器4；目标节点8，参考节点7，网关6和基站5构成超宽带无线定位网络；基站5通过光纤或总线挂接在交换机3上；目标节点8由井下作业人员或者机械装置携带。

目标节点8进入巷道后，向周围内的参考节点周期性地广播定位请求信号，根据参考节点回复其记录的RSSI平均值，确定参与目标节点精确定位的参考节点。参考节点7完成传输超宽带信号到达时间的计算，并完成和目标节点之间距离的粗略估计，并将距离测量值通过网关6、基站5和交换机3传送给地面监控终端2。地面监控终端2，根据接收到的距离测量值，进行NLOS鉴别，并根据NLOS鉴别结果和参考节点7的部署位置及巷道分布，计算目标节点的精确位置，并将位置信息再发送给数据服务器1及浏览器服务器4。

图3是本实用新型的基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术流程框图。

如图3所示，基于非参数NLOS鉴别和加权最小二乘法的UWB定位技术，包括以下步骤：

A.确定参与目标节点精确定位的参考节点，并计算出每次来自目标节点的超宽带定位信号的到达时间TOA，重复进行M次；

B.根据每个参考结点估计出的M个TOA值，计算出M个相应的距离值，再利用非参数NLOS鉴别方法对目标结点和参考结点之间的信道进行NLOS鉴别；

C.根据NLOS鉴别结果，分配最小二乘法定位算法的加权因子；

D.根据分配的加权因子，构造加权因子最小二乘法定位算法的目标函数，并估计目标节点的位置。

步骤A包括下列步骤：

A1.在巷道的两侧边缘沿一定的距离线性部署参考节点；

A2.在目标节点MS进入巷道后，MS向周围内的参考节点周期性地广播定位请求信号，连续发送M次，参考节点收到定位请求信号后，从中提出一组RSSI值，然后对这组RSSI值求平均，并记录该平均值；

A3.目标节点MS发送完M次定位请求后广播一次收集RSSI信息，这时周围参考节点会向该目标节点回复其记录的RSSI平均值，目标节点收集完RSSI信息后，如果收集到的RSSI值的个数小于3个，则再重新广播定位请求信号；否则，对收集到的RSSI值进行排序，并选取最大的3个作为参考节点，并向这3个参考节点再发送M次定位信号；

A4.参考节点每次接收到定位信号后，将接收到的信号r(t)通过平方器后再进行积分采样，获得信号的能量采样序列：

N＝T_f/T_b，其中n表示能量块的序列号，T_b表示积分周期，T_f表示帧周期，N表示一帧内能量块数；

A5.根据所述的能量采样序列与设定的门限值θ进行比较，将第一个超出门限的能量块作为直接路径DP所在的采样块，即

其中Y_n为信号的能量采样序列，

表示DP所在的能量块，θ表示判别门限，

表示DP到达目标的时间。

步骤B包括下列步骤：

B1.参考结点在估计出了M个TOA后，可以计算出M个相应的距离值，对于第i(i＝1，…，M)次测量，在视距(LOS)情况下r_i＝s+n_noise，NLOS情况下r_i＝s+n_noise+n_NLOS，其中r_i表示第i次的距离测量值，s表示目标节点和参考节点之间的真实距离，n_noise表示测量噪声，n_NLOS表示NLOS误差；

B2.计算测量噪声n_noise的概率密度函数(PDF)，在LOS情况下，n_noise可表示为0均值标准差为σ的高斯随机变量，它的概率密度函数表示为：

$P_{\mathrm{noise}}\left(x\right)=\frac{1}{\sqrt{2\mathrm{\π}}\mathrm{\σ}}{e}^{-x^2/\left({2\mathrm{\σ}}^2\right)};$

B3.根据所述测量噪声的概率密度函数P_noise(x)，计算LOS情况下距离测量值r_i(i＝1，…，M)的PDF：

其中s表示目标节点和参考节点之间的真实距离；

B4.根据所述的M个距离测量值r_i(i＝1，…，M)，计算测量距离的

其中Φ(x)表示高斯窗或矩形窗的窗函数，L表示缩放参数，r_i表示第i个距离测量值；

B5.根据所述的P_noise(x-s)和

计算P_noise(x-s)和

之间的最小距离： $D\left({\hat{P}}_r\left(x\right)\right|\left|P_{\mathrm{noise}}(x-\hat{s})\right)=\∫{\hat{P}}_r\left(x\right)\log \frac{{\hat{P}}_r\left(x\right)}{P_{\mathrm{noise}}(x-\hat{s})}\mathrm{dx},$ 其中 $\hat{s}=\frac{1}{M}\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{r}_i$ 表示M个距离测量值r_i(i＝1，…，M)的平均值；

B6.根据所述的最小距离

比较这个最小值和门限值δ的大小，当

判决为LOS，当

则判决为NLOS，其中门限值δ表示如下：δ′＝δ-L²σ_ω ²/(2σ²)(σ_ω ²＝∫x²Φ(x)dx)，L表示所选窗函数的缩放参数，σ表示LOS情况下测量噪声n_noise的标准差。

所述步骤C中，根据第j个参考节点的NLOS鉴别结果为其分配加权因子，当第j个参考节点被判定为LOS状态时，为其分配的加权因子为k_j＝1；当该参考节点被判定为NLOS状态时，则为其分配的加权因子为其中i(i＝1，2，…，M)表示第i次测量，j(j＝1，2，3)表示第j个参考节点，r_ji表示第j个参考节点的第i次距离测量值，

表示第j个参考节点的M个距离测量值r_ji的平均值。

步骤D包括下列步骤：

D1.根据所述的为参与目标节点精确定位的参考节点分配的加权因子，构造加权因子最小二乘法定位算法的目标函数： $F\left(X\right)=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{\left({\hat{s}}_j\right||X-X_j|\left|\right)}^2=\underset{j=1}{\overset{3}{\mathrm{\Σ}}}{k}_j{({\hat{s}}_j-\sqrt{{(x-x_j)}^2+{(y-y_j)}^2})}^2,$ 其中X(x，y)表示位置坐标变量，X_j(x_j，y_j)(j＝1，2，3)表示第j个参考节点位置坐标，k_j(j＝1，2，3)表示第j个参考节点分配到的加权因子，

表示第j个参考节点的M个距离测量值r_ji的平均值；

D2.根据所述的目标函数F(x)，应用最小二乘法计算目标节点的位置坐标

$(\widehat{x_{\mathrm{MS}}},{\hat{y}}_{\mathrm{MS}})=\arg \underset{X}{\min }\left\{F\left(X\right)\right\}.$

图4是本实用新型的网关的电路框图。

如图4所示，网关负责完成超宽带无线定位信息的转发和配置信息的传送，包括微处理器9、存储器10、总线模块11、超宽带天线12、电源13、通信接口14、液晶显示器15、选择按键16。网关由包括微处理器9、存储器10、总线模块11的主板17和包括电源13、通信接口14、液晶显示器15、选择按键16的底板18和超宽带天线12组成。

图5是本实用新型的能量检测接收机结构的电路框图。

如图5所示，能量检测接收机结构包括超宽带天线19、低噪声放大器LNA20、带通滤波器BPF21、平方器22、积分器23、采样开关24、判决器25，用于估计接收超宽带信号的到达时间TOA。

图6是本实用新型的参考节点和目标节点相同的电路框图。

如图6所示，参考节点和目标节点的电路框图是相同的，包括处理器26、电源27、存储器28、超宽带信号产生单元29、能量检测接收机结构30、超宽带天线31、开关电路32。电源27、存储器28、超宽带信号产生单元29、能量检测接收机结构30均与处理器26相连。处理器26与存储器28一起，负责对接收、发送的数据进行存储和处理，并控制其它单元的运行。超宽带信号产生单元29，用于将待发射的数据转换成脉冲超宽带信号。开关电路32将超宽带天线31与超宽带信号产生单元29和能量检测接收机结构30相连，用于超宽带信号和接收之间的转换。

图7是本实用新型的实验场景配置图。

如图7所示，为了对所提出的基于非参数NLOS鉴别和加权最小二乘法UWB定位算法的性能进行评估，进行了实验测试。实验巷道的长、宽、高分别为100m、3m和3m，参考结相互点交错的部署在巷道的两侧，相邻参考结点的水平距离为7.5m，即同侧参考结点的距离为15m。设目标结点的真实位置为(x₀，y₀)，估计位置为

则定位误差定义为E：

MS实际位置(x₀，y₀)分别取(0.5，0.5)、(3，1)、(5，1.5)、(7.5，2)、(10，2.5)、(15，2.75)，用该定位算法估计出位置并计算相应的定位误差E。

图8是本实用新型的实验测试数据。

图8是在图7所示的实验场景配置情况下得到的一组实验测试数据，其中包括LOS参考结点的个数，目标结点的真实位置(x₀，y₀)，估计位置

定位误差定义E。

图9是本实用新型的仿真结果图。

如图9所示，为了更直观的反应该定位算法的性能，根据图8中的数据用Matlab软件绘制出了相应的数据曲线，得到的上图是真实位置和各种LOS情况下估计位置，反映了定位误差与LOS参考结点个数之间的关系，有图可见LOS参考结点越多定位误差越小，即估计位置越接近实际位置；得到的下图是各种LOS情况下的累积概率分布函数(cdf)，有图可见，当所选的3个参考结点都为LOS时，有90％的定位误差小于0.25m²，当所选的参考结点都是NLOS时，有50％的定位误差小于0.25m²，90％的定位误差小于0.30m²。由此可见，无论在图8中的哪种情况下，该系统都可以达到较高的定位精度。

Claims (5)

1.一种煤矿井下超宽带定位系统，包括远程监视层和现场监控层，其特征在于，所述远程监视层包括浏览器服务器，数据服务器，地面监控终端，交换机；所述现场监控层包括目标节点，参考节点，网关和基站；数据服务器(1)和地面监控终端(2)通过交换机(3)与基站(5)构成有线网络，并通过Internet网络将实时定位数据传送给浏览器服务器(4)；目标节点(8)，参考节点(7)，网关(6)和基站(5)构成超宽带无线定位网络；基站(5)通过光纤或总线挂接在交换机(3)上；目标节点(8)由井下作业人员或者机械装置携带；

所述数据服务器(1)，接收并存储目标节点位置数据；

所述地面监控终端(2)，记录参考节点部署位置信息，根据接收到的距离测量值，进行NLOS鉴别，并根据NLOS鉴别结果和参考节点的部署位置及巷道分布，计算目标节点的精确位置，并将位置信息再发送给数据服务器及浏览器服务器；

所述交换机(3)和基站(5)，负责转发定位信息；

所述网关(6)负责完成超宽带无线定位信息的转发和配置信息的传送；

所述参考节点(7)，放置在网关设备无线信号覆盖范围内，提供一个包含自己位置坐标和RSSI值的信息包给目标节点，完成传输超宽带信号到达时间的计算。

所述目标节点(8)，与井下人员的身份对应，完成参考节点的选取；

所述的系统中涉及的井下设备全部是本质安全型设备。

2.根据权利要求1所述的煤矿井下超宽带定位系统，其特征在于，所述网关(6)包括：微处理器、存储器、总线模块、超宽带天线、电源、通信接口、液晶显示器、选择按键。

3.根据权利要求1所述的煤矿井下超宽带定位系统，其特征在于，所述参考节点(7)包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

4.根据权利要求1所述的煤矿井下超宽带定位系统，其特征在于，所述目标节点(8)包括：处理器、电源、存储器、超宽带信号产生单元、能量检测接收机结构、超宽带天线、开关电路。

5.根据权利要求4所述的煤矿井下超宽带定位系统，其特征在于，所述能量检测接收机结构包括：超宽带天线、低噪声放大器LNA、带通滤波器BPF、平方器、积分器、采样开关、判决器。

Images