逄明祥，王善培，李 乾，程学珍

（1.山东科技大学a.电子信息工程学院；b.电气与自动化工程学院，山东青岛 266590；2.中车青岛四方车辆研究所有限公司，山东青岛 266011）

0 引言

煤炭作为我国的第一大能源，对于国民生产和经济具有重要意义。近年来煤矿生产安全事故频发，引起全社会的高度关注［1-3］。提高我国煤矿的信息化程度，成为保障煤矿安全生产的重要手段，其中煤矿井下人员定位系统是煤矿信息化建设的重要组成部分，煤矿井下定位算法［4-6］的研究也成为重要课题。

煤矿井下定位算法大致可分为基于测距的和非测距的算法两大类［7-9］。非测距定位算法主要是依据网络的连通性来实现对待测点的定位，如质心算法、DVHop、APIT 等常见算法［10-14］；测距定位算法主要是通过测量信标节点与待测未知节点之间的距离或角度来实现定位，如TOA、TDOA、RSSI 等算法。TOA 测距定位算法主要有：基于改进均值滤波和参数拟合的矿井TOA几何定位方法［15］、基于WiFi 和计时误差抑制的TOA煤矿井下目标定位算法［16］、基于WiFi 信号二次扩频的矿井TOA测距方法［17］和基于测距值二次重构的弯曲巷道目标定位方法［18］，该类定位方法很难实现目标点与基站之间的时间同步［19］，造成测距误差。在复杂的井下环境中，NLOS 是造成无线定位误差的主要原因［20］。本文提出的利用遗传神经网络来拟合TDOA测量值和目标点坐标值之间的映射关系，依靠神经网络强大的非线性映射能力来减小TDOA测量值中包含的NLOS 误差所造成的定位误差，基于Chan-Taylor算法，将遗传神经网络算法与Taylor 算法相结合，进一步提高定位精度。……