CN114760713A - 一种井下巡检机器人的信息传输***及方法 - Google Patents
一种井下巡检机器人的信息传输***及方法 Download PDFInfo
- Publication number
- CN114760713A CN114760713A CN202210408170.8A CN202210408170A CN114760713A CN 114760713 A CN114760713 A CN 114760713A CN 202210408170 A CN202210408170 A CN 202210408170A CN 114760713 A CN114760713 A CN 114760713A
- Authority
- CN
- China
- Prior art keywords
- wifi
- zigbee
- module
- information
- wireless
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000005540 biological transmission Effects 0.000 title claims abstract description 61
- 238000007689 inspection Methods 0.000 title claims abstract description 59
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000004891 communication Methods 0.000 claims abstract description 102
- 238000012549 training Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 17
- 230000002457 bidirectional effect Effects 0.000 claims abstract description 10
- 239000000779 smoke Substances 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 11
- 230000005236 sound signal Effects 0.000 claims description 10
- 238000010801 machine learning Methods 0.000 claims description 8
- 238000007635 classification algorithm Methods 0.000 claims description 7
- 230000009467 reduction Effects 0.000 claims description 7
- 230000002452 interceptive effect Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000002474 experimental method Methods 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000004888 barrier function Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 230000004044 response Effects 0.000 abstract description 12
- 238000012544 monitoring process Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 7
- 238000001228 spectrum Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000007613 environmental effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 239000003245 coal Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W76/00—Connection management
- H04W76/10—Connection setup
- H04W76/14—Direct-mode setup
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
- G06F18/24155—Bayesian classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G07—CHECKING-DEVICES
- G07C—TIME OR ATTENDANCE REGISTERS; REGISTERING OR INDICATING THE WORKING OF MACHINES; GENERATING RANDOM NUMBERS; VOTING OR LOTTERY APPARATUS; ARRANGEMENTS, SYSTEMS OR APPARATUS FOR CHECKING NOT PROVIDED FOR ELSEWHERE
- G07C1/00—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people
- G07C1/10—Registering, indicating or recording the time of events or elapsed time, e.g. time-recorders for work people together with the recording, indicating or registering of other data, e.g. of signs of identity
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/382—Monitoring; Testing of propagation channels for resource allocation, admission control or handover
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N5/00—Details of television systems
- H04N5/30—Transforming light or analogous information into electric information
- H04N5/33—Transforming infrared radiation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
- H04W4/30—Services specially adapted for particular environments, situations or purposes
- H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/02—Hierarchically pre-organised networks, e.g. paging networks, cellular networks, WLAN [Wireless Local Area Network] or WLL [Wireless Local Loop]
- H04W84/10—Small scale networks; Flat hierarchical networks
- H04W84/12—WLAN [Wireless Local Area Networks]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W88/00—Devices specially adapted for wireless communication networks, e.g. terminals, base stations or access point devices
- H04W88/08—Access point devices
- H04W88/085—Access point devices with remote components
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Electromagnetism (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Mobile Radio Communication Systems (AREA)
Abstract
一种井下巡检机器人的信息传输***及方法,***:井下巡检机器人信息传输***由数据处理与控制部分、信息采集部分、CTC信息传输部分组成;数据处理与控制部分由控制模块和动力及驱动模块组成;信息采集部分由视频采集模块、音频采集模块和传感器采集模块组成;CTC信息传输部分由WiFi通信模块、无线AP模块和ZigBee无线模块组成。方法:利用重叠频段进行WiFi与ZigBee设备的直连通信;WiFi与ZigBee信道的选择;通过预训练获取接收窗口大小及发射端能级调制个数;发射端编码发送;自适应调整发射能级个数与接收窗口大小;接收端接收并解码,实现信息跨网双向传输。该***及方法实现了矿井信息的高效采集与故障的快速响应,提高了WiFi与ZigBee双向跨网通信的传输效率与吞吐量。
Description
技术领域
本发明属于无线通信技术领域,具体涉及一种井下巡检机器人的信息传输***及方法。
背景技术
煤炭是现阶段我国的主要战略支柱能源,在能源结构中一直占据主导地位,且未来煤炭资源仍会是我国能源体系的压舱石和兜底保障,因此,矿井安全问题始终备受各方关注。为切实保障煤矿井下的安全生产工作,对巷道中设备、环境、人员等关键数据的采集与巡检显得异常重要。目前井下设备监测、环境探测、人员感知等数据采集大都通过巷道中密集部署的ZigBee终端节点获得,再以多跳的方式经由路由节点转发至分站、服务器等设备。同时,巷道巡检机器人也可实现对关键数据,尤其是视频数据的及时采集与上传。因为图像、视频数据量较大,故主流巡检机器人通过配备WiFi模块完成数据的传输。此时,巡检机器人与巷道中Zigbee终端节点交互环境数据时,通常需要借助网关设备来完成。
然而,由于井下空间狭小、异构网络干扰严重、环境恶劣等问题,ZigBee多跳路由方式的信息传输,容易造成信号逐级衰减,故障响应延迟,且ZigBee通信范围有限,密集部署ZigBee节点也会增加成本。巡检机器人的WiFi模块与巷道中ZigBee终端节点交换数据需要额外部署网关等设备,不仅可移动性差,同时也会增加额外的硬件成本。
发明内容
针对上述现有技术存在的问题,本发明提供一种井下巡检机器人的信息传输***及方法,该***组成结构简单,投入成本低,能助于实现井下信息的高效采集与故障问题的迅速响应。该方法利用跨网通信技术(Cross-Technology Communication,CTC)步骤简单,通用性强,能降低ZigBee终端节点的部署密度,减少网关等设备的部署,进而有效降低成本,同时,优化了传统CTC技术中WiFi与ZigBee双向通信的吞吐量与准确率。
为了实现上述目的,本发明提供一种井下巡检机器人的信息传输***,包括数据处理与控制部分、信息采集部分和CTC信息传输部分;
所述数据处理与控制部分由控制模块和动力及驱动模块组成;所述控制模块用于实现巡检机器人的核心控制功能;所述动力及驱动模块与控制模块连接,用于为巡检机器人提供电源能量供应,用于根据控制模块的控制指令控制巡检机器人的动作;
所述信息采集部分安装在巡检机器人上,其由视频采集模块、音频采集模块和传感器采集模块组成,并与控制模块连接;所述视频采集模块由红外摄像仪和高清摄像仪组成,红外摄像仪辅助高清摄像仪在光照度低的井下环境进行图像的实时采集,并实时发送给控制模块;所述音频采集模块由拾音器、音频传感器和音频处理器组成,用于实时采集现场的音频信号,并对音频信号进行降噪处理后发送给控制模块;所述传感器采集模块由温度传感器、烟雾浓度传感器和湿度传感器组成,所述温度传感器用于实时采集现场的温度信号,并通过单总线数据传输方式发送给控制模块;所述烟雾浓度传感器用于实时采集现场的烟雾浓度信号,并经过A/D转换后发送给控制模块;所述湿度传感器用于采集现场的湿度信号,并通过单总线数据传输方式发送给控制模块。
所述CTC信息传输部分由若干个ZigBee无线模块、若干个无线AP模块和WiFi通信模块组成,若干个ZigBee无线模块为原有安装在巷道中的ZigBee无线模块;若干个无线AP模块为巷道中原有的无线AP模块,若干个无线AP模块之间通过无线的方式交互通信,且与地面网络通过有线的方式交互通信;所述WiFi通信模块安装在巡检机器人上,与控制模块通过有线的方式连接,用于通过无线通信的方式连接对应巷道内的无线AP,并与ZigBee无线模块进行双向跨网通信;所述CTC信息传输部分用于利用巡检机器人的WiFi通信模块配合巷道中原有的无线AP模块完成与巷道中的ZigBee无线模块间的双向信息交互,打破WiFi与ZigBee的通信壁垒。
作为一种优选,所述控制模块由嵌入式核心控制板与工控机组成,二者通过RS232总线方式直连。
本发明中,通过CTC信息传输部分的设置,可以有助于提供频谱资源共享的机会,满足了不同无线通信协议间的通信需求,而不需通过单纯的信道资源竞争来降低跨网干扰。CTC信息传输部分利用巷道中原有的无线AP模块使得巡检机器人的WiFi通信模块与巷道中ZigBee终端节点建立直接通信,再通过WiFi网络及时将监控信息上传至矿井通信***,实现了对巷道内设备状态、环境参数、人员状况等数据的采集,拓展了巡检机器人的信息采集方式,做到了重点区域的有效监控,实现了信息的高效采集与故障问题的迅速响应。该***不同于传统的网关设计,信息传输部分无需额外的硬件部署,利用无线信道重叠引发的干扰特性,实现了WiFi与ZigBee间的直连通信。
本发明还提供了一种井下巡检机器人的信息传输方法,包括以下步骤:
步骤一:在2.4GHz频段上,利用重叠频段进行WiFi通信模块与ZigBee无线模块信道的选择,采用WiFi的11信道与ZigBee的23信道建立WiFi到ZigBee方向的跨网通信;ZigBee的23信道覆盖WiFi 11信道索引编号为7to 12的六个子载波,在ZigBee到WiFi方向的跨网通信中,WiFi端选择索引编号为9、11或索引编号为9、10的数据子载波建立与ZigBee的直接通信;
步骤二:获取接收端解码窗口大小及发射端的能级调制个数;
S22:通过预训练获取发射能级调制个数。初始发射能级个数为K0,发送端根据接收端反馈的信道质量调整发送端发射能级个数:K=K0±b,b=1,2,3…;
S23:根据发射端可调制的能级个数K,一个解码窗口可解码log2K bit的信息,通过预先不断的实验训练得到合适的发射能级个数与解码窗口大小,以实现对吞吐量与解码准确率之间的最佳平衡;
步骤三:发射端依照能级编码方式对待发送的数据包进行编码;
S31:WiFi到ZigBee方向的跨网通信,通过调整WiFi发送端的发射能级,使得同频段ZigBee的RSSI值发生变化,建立起WiFi到ZigBee的直连通信;
S32:ZigBee到WiFi方向的跨网通信,巷道中所部署的ZigBee节点作为发送端,根据预设的编码能级进行编码,实现CTC信息传输;
步骤四:根据信道质量自适应调整接收窗口大小或通过反向CTC的方式告知发送端调整发射能级的个数;
设置两个阈值①和②,当接收端测得信噪比低于预设阈值①时,表明信道质量较差,接收端提高解码窗口大小或通过反向CTC方式告知发送端减少发射端能级编码个数,以保障解码的准确率;当接收端测得信噪比高于预设阈值②时,表明信道质量较好,接收端降低接收端解码窗口大小或通过反向CTC方式告知发送端提高发射端能级编码个数,以提高***吞吐量;当接收端测得信噪比高于预设阈值①且低于预设阈值②时,接收端接码窗口大小与发送端能级调制个数保持不变;
步骤五:接收端通过分析RSSI或CSI进行解码,实现CTC的信息传输。
S51:WiFi到ZigBee方向的跨网通信,接收端利用RSSI进行解码,ZigBee端通过扫描该频段获取RSSI取值,捕获WiFi数据包的能量,随后在解码窗口内根据预设的解码阈值,判别WiFi数据包所属能级,最终解码得到传递的0、1序列值;
S52:ZigBee到WiFi方向的跨网通信;先通过CSI采集设备配合相应的采集工具,获得包含幅度与相位信息的原始CSI信息;随后对原始CSI信息进行滤波处理、特征提取等操作;接着利用机器学习方法进行训练,获得最佳的训练模型,用于对后续的输入进行解码;最后,应用训练模型,对新的输入做出响应,得到ZigBee到WiFi方向的CTC解码信息。
作为一种优选,步骤五的S51中,RSSI值通过IEEE802.15.4的无线电CC2420芯片内部的RSSI寄存器获取。
进一步,为了降低计算量,步骤五的S51中,在解码过程中,只解码窗口中2/3以上的RSSI值满足预设的解码阈值条件,即可解码为对应的CTC信息。
进一步,为了能通过有效的特征提取来有效的降低数据维度,消除冗余数据,减轻计算压力,同时对分类的准确度没有明显的降低。步骤五的S52中,特征提取过程主要包括均值、范围、方差三个特征值的提取。
进一步,为了能在后续的输入过程中得到准确的响应,步骤五的S52中,CSI采集设备由无线AP模块配合Intel 5300或AR9580无线网卡组成,或者由无线AP模块配合USRP设备组成,或者由无线AP模块配合bcm4339或bcm4358无线网卡组成。
进一步,为了提高接收的准确率,步骤五的S52中,当WiFi接收端采用Intel 5300网卡时,机器学习的分类算法选用核朴素贝叶斯分类器;WiFi接收端采用bcm4339网卡时,机器学习的分类算法选用SVM分类器。
本发明中,采用跨网通信技术利用巡检机器人携带的WiFi通信模块建立起与巷道中ZigBee终端节点的双向跨网通信,借助WiFi通信模块完成对巷道中ZigBee终端节点数据的收集,再通过WiFi网络及时将监控信息上传至矿井通信***,拓展了巡检机器人的信息采集方式,做到了重点区域的有效监控,实现了信息的高效采集与故障问题的迅速响应。本发明通用性较强,易于实施,无需额外的硬件部署,充分利用了WiFi通信的优势,采用跨网通信技术替代了ZigBee终端节点的多跳路由传输方式,减少了网关等硬件设备的部署,降低了ZigBee终端节点的部署密度,同时弥补了CTC在井下移动环境中应用的空白,针对井下复杂环境进行算法优化,实现了井下信息的高效采集于故障的快速响应,提高了WiFi与ZigBee双向跨网通信的吞吐量与准确率。
附图说明
图1是本发明中巷道巡检机器人工作场景示意图;
图2是本发明中巡检机器人信息传输***组成框图;
图3是本发明中WiFi与ZigBee跨网通信方法总体流程图;
图4是本发明中WiFi与ZigBee信道频率分布图;
图5是本发明中WiFi到ZigBee方向跨网通信的具体流程图;
图6是本发明中ZigBee到WiFi方向跨网通信中CSI处理流程图。
具体实施方式
下面结合附图对本发明作进一步说明。
如图1和图2所示,本发明提供了一种井下巡检机器人的信息传输***,包括数据处理与控制部分、信息采集部分和CTC信息传输部分;
所述数据处理与控制部分由控制模块和动力及驱动模块组成;所述控制模块用于实现巡检机器人的核心控制功能;作为一种优选,所述动力及驱动模块与控制模块连接,其主要包括电池组、驱动电机和轮组,可以通过设置电机转矩、电机转速和轮组内外径等控制机器人的运动***。所述动力及驱动模块用于为巡检机器人提供电源能量供应,用于根据控制模块的控制指令控制巡检机器人的动作;
作为一种优选,所述控制模块由嵌入式核心板与工控机组成,二者通过RS232总线方式直连。
所述信息采集部分安装在巡检机器人上,其由视频采集模块、音频采集模块和传感器采集模块组成,并与控制模块连接;所述视频采集模块由高清摄像仪和红外摄像仪组成,二者相互配合、相辅相成,用于实时采集巷道内的图像数据,并实时发送给控制模块,其中,红外摄像仪可辅助高清摄像仪在光照度低的井下环境进行图像的实时采集,再利用WiFi通信模块通过控制模块实时上传至地面监控***;所述音频采集模块由拾音器、音频传感器和音频处理器组成,用于实时采集现场的音频信号,并对音频信号进行降噪处理后发送给控制模块,再利用WiFi通信模块实时上传至地面监控***;所述传感器采集模块由温度传感器、烟雾浓度传感器和湿度传感器等组成,所述温度传感器用于实时采集现场的温度信号,并通过单总线数据传输方式发送给控制模块,再利用WiFi通信模块实时上传至地面监控***;所述烟雾浓度传感器用于实时采集现场的烟雾浓度信号,并经过A/D转换后发送给控制模块,再利用WiFi通信模块实时上传至地面监控***;所述湿度传感器用于采集现场的湿度信号,并通过单总线数据传输方式发送给控制模块,再利用WiFi通信模块实时上传至地面监控***。
所述CTC信息传输部分由若干个ZigBee无线模块、若干个无线AP模块和WiFi通信模块组成,若干个ZigBee无线模块为原有安装在巷道中的ZigBee无线模块;若干个无线AP模块为巷道中原有的无线AP模块,若干个无线AP模块之间通过无线的方式交互通信,且与地面网络通过有线的方式交互通信;所述WiFi通信模块为具有WiFi收发功能的设备,是CTC信息传输部分至关重要的组成部件;所述WiFi通信模块安装在巡检机器人上,与控制模块通过有线的方式连接,用于通过无线通信的方式连接对应巷道内的无线AP,并与ZigBee无线模块进行双向跨网通信;所述CTC信息传输部分用于利用巡检机器人的WiFi通信模块配合巷道中原有的无线AP模块完成与巷道中ZigBee无线模块间的双向信息交互,打破WiFi与ZigBee的通信壁垒。
作为一种优选,所述控制模块由嵌入式核心控制板与工控机组成,二者通过RS232总线方式直连。
本发明中,通过CTC信息传输部分的设置,可以有助于提供频谱资源共享的机会,满足了不同无线通信协议间的通信需求,而不需通过单纯的竞争来降低跨网干扰;CTC信息传输部分利用跨网通信技术使得巡检机器人的WiFi通信模块与巷道中部署的ZigBee无线模块相通信,可用于获取ZigBee终端节点采集的传感信息,拓展了巡检机器人的信息采集方式,实现了对井下设备状态、环境参数、人员状况等信息更全面的监测。该***不同于传统的网关设计,信息传输部分无需额外的硬件部署,利用无线信道重叠引发的干扰特性,实现了WiFi与ZigBee间的直连通信。
如图3所示,本发明提供了一种井下巡检机器人的信息传输方法,包括以下步骤:
步骤一:在2.4GHz频段上,利用重叠频段进行WiFi通信模块与ZigBee无线模块信道的选择,WiFi通信模块遵循IEEE802.11n协议标准,ZigBee无线模块遵循IEEE802.15.4协议标准;
跨网通信实现的最基本条件是两种不同的协议之间具有重叠的频谱分布,WiFi到ZigBee的双向跨网通信需要先选择出合适的WiFi与ZigBee通信信道;如图4为WiFi与ZigBee信道频率分布图,本发明所采用的WiFi设备遵循IEEE802.11n协议标准,ZigBee设备遵循IEEE802.15.4协议标准。WiFi与ZigBee信道的选择要依据其在2.4GHz的ISM频段上的信道分布状况进行选择。根据IEEE802.11n协议,在2.4GHz频段上WiFi信号的每个信道可覆盖四个ZigBee信道,同时每个ZigBee信道也可同时覆盖多个WiFi子载波;在ZigBee到WiFi方向的跨网通信中,ZigBee信道的选择应避免与WiFi的导频子载波(±7、±21)或空子载波(-32to-29;0;29to 31)重叠,以保证解码的准确率。
作为一种优选,采用WiFi的11信道与ZigBee的23信道建立双向跨网通信。由于ZigBee的23信道覆盖WiFi索引编号为7to 12的六个子载波,在ZigBee到WiFi方向的跨网通信中,WiFi端选择索引编号为9、11(Intel 5300)或索引编号为9、10(bcm4339)的数据子载波建立与ZigBee的通信连接,利用多个子载波的协同通信有利于在复杂的井下巷道中提高解码准确率;
步骤二:通过大量实验预先训练获取发射端的能级调制个数及接收端解码窗口的大小,实现吞吐量与误码率的最佳平衡,以确保实现吞吐量与误码率的最佳平衡;
S22:通过预训练获取发射能级调制个数。初始发射能级个数为K0,发送端根据接收端反馈的信道质量调整发送端发射能级个数:K=K0±b,b=1,2,3…。
通过预训练获取发射能级调制个数。发射端调制的能级个数增多,一个解码窗口内可以传递的CTC信息更多,吞吐量更大,而解码准确率则降低。通过调整发送端的发射能级,并采用相应的编码方式,实现信息的传输。以四个能级为例,按能级由高到低,依次编码为:11、10、01、00,一个解码窗口可实现2bit的CTC信息传输。假设发射端可调制K个能级,则一个解码窗口可解码log2K bit的信息。
通过预训练获取接收端解码窗口大小。解码窗口变大,则一次性可得到的解码信息更多,准确率更高,而吞吐量则降低。反之亦然。因此,必须通过预先的实验训练得到合适的发射能级个数与解码窗口大小,以实现对吞吐量与解码准确率之间的最佳平衡。
步骤三:发射端依照能级编码方式对待发送的数据包进行编码;
S31:WiFi到ZigBee方向的跨网通信,通信具体流程图如图5所示。巡检机器人所携带的WiFi发射模块可采用通用软件无线电外设(Universal Software Radio Peripheral,USRP),其主要负责调制并发送WiFi信号。硬件端采用搭配SBX射频子板的USRP N210,其支持400MHz—4.4GHz无线信号频率的调节,同时支持高达100mw的功率输出,极大拓展了WiFi的通信距离。软件端可采用GNU Radio设计框架,用于设计、模拟和部署真实高效的WiFi发射端。优选采用基于能级的编码方式,通过调整WiFi发送端的发射能级,使得同频段ZigBee的RSSI值发生变化,建立起WiFi到ZigBee的直接通信。
S32:ZigBee到WiFi方向的跨网通信,巷道中所部署的ZigBee节点作为发送端,根据预设的编码能级进行编码,实现CTC信息传输。
巷道中部署的ZigBee终端节点优选采用TelosB节点,该节点内置CC2420芯片,满足IEEE802.15.4协议。软件端采用苏黎世联邦理工学院开发的Contiki操作***,它是采用C语言开发的非常小型的嵌入式操作***,运行只需要几K的内存。同时,也可采用加州大学伯克利分校开发的TinyOS开源***,但该***采用专用的NesC语言与专用的编译器,可移植性差,且***更新维护较少,因此采用Contiki操作***是更好的选择,该***不仅支持IEEE802.15.4协议,还支持RPL、6Lowpan、CoAP等协议,有利于后续***的拓展。
步骤四:根据信道质量自适应调整接收窗口大小或通过反向CTC的方式告知发送端调整发射能级个数;
信道质量可通过信噪比(signal-to-noise ratio,SNR)来权衡判断。自适应调整策略为:设置两个阈值①、②,当信噪比低于预设阈值①时,表明信道质量较差,可减少发射端能级编码个数或提高接收端解码窗口大小,以保障解码的准确率;当信噪比高于预设阈值②时,表明信道质量较好,可提高发射端能级编码个数或降低接收端解码窗口大小,以提高吞吐量;当接收端测得信噪比高于预设阈值①且低于预设阈值②时,接收端接码窗口大小与发送端能级调制个数保持不变。自适应调整策略的实施有助于该***更好地适应封闭复杂的井下环境。
步骤五:接收端通过分析RSSI(WiFi到ZigBee方向的跨网通信)或CSI(ZigBee到WiFi方向的跨网通信)进行解码,实现CTC的信息传输。
接收信号强度指示(RSSI)表示无线信号经传播路径到达接收端时的信号强度,它在一定程度上反映了信道质量的好坏,WiFi与ZigBee终端均可获取RSSI信息,因此WiFi到ZigBee方向的跨网通信利用RSSI信息进行解码。CSI是通信链路的物理层属性,反映了信号在每条传播路径上的特性,它是信号散射、功率衰减、环境衰弱等信息的综合体现,使用OFDM调制信号的WiFi端可获取CSI信息。由于RSSI信息中只反映了信号在传播过程中多径叠加的总幅度,与之相比,CSI能反映更细粒度的信息。因此ZigBee到WiFi方向的跨网通信利用CSI信息进行解码。
S51:WiFi到ZigBee方向的跨网通信,如图5所示,接收端的TelosB节点通过扫描该频段从IEEE802.15.4的无线电(CC2420芯片)内部的RSSI寄存器读取RSSI_VAL的值,并通过公式(1)计算得到接收强度RSSI值;
RSS=RSSI_VAL+RSSI_OFFSET(dBm) (1);
由于RSSI_OFFSET的经验值为-45,因此通过公式(2)计算得到接收强度RSSI值;
RSS=RSSI_VAL-45(dBm) (2);
TelosB节点获取到RSSI取值后,根据预设的解码阈值在预设大小的解码窗口中进行解码,判别WiFi数据包所属能级,最终解码得到传递的“0”、“1”序列值。以四个调制能级为例,在每一个接收窗口使用公式(3)中的判别函数获得解码结果y;
式中,R0、R1、R2表示三个阈值端点,m表示一个解码窗口中满足阈值判断条件的RSSI值的个数,M为一个解码窗口中采集的RSSI值的总个数。
公式(3)表明只要解码窗口中2/3以上的RSSI值满足阈值条件,即可解码为对应的ZigBee端信息。本发明在解码过程中并未采用当均值满足阈值条件时,即可解码为对应的ZigBee信息,这是由于井下的无线信道中存在一定的干扰,会有某一点处的RSSI值因外界环境变化激增,从而导致整个解码窗口中RSSI的均值增加,导致解码错误。
S52:ZigBee到WiFi方向的跨网通信,接收端利用CSI进行解码,建立起ZigBee到WiFi的直接通信,与接收信号强度(RSSI)相比,信道状态信息(CSI)更适用于ZigBee到WiFi方向的跨网通信中。
CSI是更细粒度的信息,可以通过各个子载波的幅度与相位更清楚具体地刻画多径传播,其中,第k个子载波的信道状态信息H(k)按公式(4)进行计算;
H(k)=||H(k)||ej∠H(k) (4);
式中,||H(k)||表示第k个子载波的幅度,ej∠H(K)表示第k个子载波的相位。
为了克服多径效应,采用信道冲激响应(Channel Impulse Response,CIR)描述信道信息;信道频率响应(Channel Frequency Response,CFR)是它的频域形式,二者互为傅里叶变换。可以通过收发信号的频谱获得CFR,进而通过逆傅里叶变换得到CIR,CSI是CIR与CFR的某个采样版本,采用Intel5300网卡配合Linux802.11n CSI Tool采集工具可获取的CSI是一个采样数为30的CFR采样版本,其中第i个子载波CSI序列的相位通过公式(5)进行计算;
式中,代表CSI数据的实际相位,ki代表第i个子载波的索引,N代表OFDM***中FFT窗长度,IEEE802.11n中N取值64,δ代表信号非理想性引发的时间偏移;β代表信道非理想性引发的相位偏移,z代表第i个子载波的环境噪声。
图6为ZigBee到WiFi跨网通信中CSI处理流程图。CSI采集模块通过使用采集设备与采集工具获取到包含振幅和相位信息的原始CSI数据。CSI处理模块包括信号降噪、特征提取与算法分类,用于解码ZigBee到WiFi的CTC信息传输。
CSI采集设备中无线路由器(AP)为必备设备,巡检机器人的WiFi通信模块可以是Intel 5300、AR9580等PC网卡、USRP设备、bcm4339、bcm4358等手机网卡,并配合Linux802.11n CSI Tool、Atheros CSI Tool、gr—csitool、Nexmon CSI Extractor等采集工具进行CSI的采取。通过CSI采集设备与相应的CSI采集工具的软硬件配合,最后可以得到包含各个子载波幅度和相位信息的CSI序列。
不同的CSI采集手段所获取的CSI原始信息存在差异,各有优劣。采用无线路由器与Intel 5300无线网卡作为采集设备,对应选择Linux 802.11n CSI Tool作为采集工具,该设备具有三根无线天线,每根天线均可通过Linux 8022.11n CSI Tool采集到30组子载波的幅度和相位信息,30个子载波相对应的索引编号为{-28,-26,-24,-22,-20,-18,-16,-14,-12,-10,-8,-6,-4,-2,-1,1,3,5,7,9,11,13,15,17,19,21,23,25,27,28}。采用无线路由器与bcm4339无线网卡作为采集设备,对应选择Nexmon CSI Extractor作为采集工具,可获取到一根天线全部的56个非空子载波的CSI序列,对应子载波的索引编号为{-28 to -1,+1 to +28}。
CSI处理模块首先进行Hampel滤波,可有效地将原始数据中的离群点滤除,即滤除均值和方差不在规定范围内的信息,有利于在井下复杂环境下提高解码准确率。若采用Intel 5300网卡获取CSI数据,则选取波动最大的一根接收天线用于提取对应子载波的幅度(索引号:9,11)、选取波动最大的两根天线获取子载波的相位差,从而得到预处理后的CSI数据。若采用bcm4339无线网卡获取CSI数据,则选取索引编号为9、10的两个子载波幅度作为预处理的CSI数据。接收天线与WiFi子载波的选取对后续分类算法的准确度至关重要,应优先考虑预处理后的CSI数据包含较多ZigBee发送端的CTC信息的选取策略,有利于提高解码的准确度。
随后对预处理的CSI数据进行特征值提取、数据标记,并作为机器学习分类器的输入与响应。特征提取主要包括均值、最大值、最小值、范围、方差、中位数、频谱熵等统计特征,经多次实验数据分析,选取均值、范围、方差三个特征值作为输入,最终得到的分类器的准确度几乎达到了包含上述所有特征值分类器的准确度。因此,本发明中特征值只选取了均值、范围、方差,这样,能通过有效的特征提取降低数据维度,消除冗余数据,减轻计算压力,同时保证一定的分类准确度。
机器学习的分类算法包括决策树、判别分析、逻辑回归分类器、朴素贝叶斯分类器、支持向量机等,需要选择合适的分类算法生成分类模型,用于对后续输入得到相应响应,最终解码得到CTC信息。判别分析与逻辑回归分类器更擅长应用于线性趋势的判断;决策树虽然易于使用和理解,但容易造成过拟合问题,导致出现不一致的结果。朴素贝叶斯分类器虽分类性能不错,适用于多分类问题,但运算较为复杂,而支持向量机计算简单,分类性能好,但在多分类问题中有一定局限性。因此当WiFi接收端采用Intel 5300网卡时,优选采用核朴素贝叶斯分类器;WiFi接收端采用bcm4339网卡时,优选采用SVM分类器。
最后,应用训练模型,对新的输入做出响应,得到CTC解码信息。
大量实验结果表明:若巷道巡检机器人携带Intel 5300作为采集设备,静止且收发端相距6米情况下采用核朴素贝叶斯分类器在包含20个CSI数据包的解码窗口内,四个能级的解码准确率可高达96.4%,六个能级的解码准确率为90.4%。若巷道巡检机器人携带bcm4339无线网卡作为接收设备,静止且双方相距6m范围内,巡检机器人的WiFi通信模块在包含100个CSI数据包的解码窗口内采用SVM分类器接收巷道中ZigBee终端节点数据的准确率为95%,慢速前进时(1.2m/s)接收准确率为91.3%,快速前进时(2.5m/s)接收准确率为90.0%。
通过以上结合附图对本发明具体实施例的描述,本发明在现有的井下无线设施的基础上,利用新兴的跨网通信技术,通过巡检机器人携带的WiFi通信模块,实现了对巷道中ZigBee终端采集到的设备、环境、人员等信息的收集。本方法通用性较强,易于实施,无需额外的硬件部署,其充分利用WiFi信号的优势,降低巷道中ZigBee节点部署密度的同时,实现信息的高效采集与故障问题的迅速响应。该***可自适应调整发射能级个数与接收窗口大小,将多个数据子载波的幅度与相位差用于ZigBee到WiFi端的CTC解码,有利于适应封闭狭长的井下环境,保障跨网通信的吞吐量与准确率。
Claims (8)
1.一种井下巡检机器人的信息传输***,其特征在于;包括数据处理与控制部分、信息采集部分和CTC信息传输部分;
所述数据处理与控制部分由控制模块和动力及驱动模块组成;所述控制模块用于实现巡检机器人的核心控制功能;所述动力及驱动模块与控制模块连接,用于为巡检机器人提供电源能量供应,用于根据控制模块的控制指令控制巡检机器人的动作;
所述信息采集部分安装在巡检机器人上,其由视频采集模块、音频采集模块和传感器采集模块组成,并与控制模块连接;所述视频采集模块由红外摄像仪和高清摄像仪组成,红外摄像仪用于辅助高清摄像仪在光照度低的井下环境进行图像的实时采集,并实时发送给控制模块;所述音频采集模块由拾音器、音频传感器和音频处理器组成,用于实时采集现场的音频信号,并对音频信号进行降噪处理后发送给控制模块;所述传感器采集模块由温度传感器、烟雾浓度传感器和湿度传感器组成,所述温度传感器用于实时采集现场的温度信号,并通过单总线数据传输方式发送给控制模块;所述烟雾浓度传感器用于实时采集现场的烟雾浓度信号,并经过通过A/D转换后发送给控制模块;所述湿度传感器用于实时采集现场的湿度信号,并通过单总线数据传输方式发送给控制模块;
所述CTC信息传输部分由若干个ZigBee无线模块、若干个无线AP模块和WiFi通信模块组成;若干个ZigBee无线模块为原有安装在巷道中的ZigBee无线模块;若干个无线AP模块为巷道中原有的无线AP模块,若干个无线AP模块之间通过无线的方式交互通信,且与地面网络通过有线的方式交互通信;所述WiFi通信模块安装在巡检机器人上,与控制模块通过有线的方式连接,用于通过无线通信的方式连接对应巷道内的无线AP,并与ZigBee无线模块进行双向跨网通信;所述CTC信息传输部分用于利用巡检机器人的WiFi通信模块配合巷道中原有的无线AP模块完成与巷道中的ZigBee无线模块间的双向信息交互,打破WiFi与ZigBee的通信壁垒。
2.根据权利要求1所述的一种井下巡检机器人的信息传输***,其特征在于,所述控制模块由嵌入式核心控制板与工控机组成,二者通过RS232总线方式直连。
3.一种井下巡检机器人的信息传输方法,其特征在于,包括以下步骤:
步骤一:在2.4GHz频段上,利用重叠频段进行WiFi通信模块与ZigBee无线模块信道的选择;采用WiFi的11信道与ZigBee的23信道建立WiFi到ZigBee方向的跨网通信;ZigBee的23信道覆盖WiFi 11信道索引编号为7 to 12的六个子载波,在ZigBee到WiFi方向的跨网通信中,WiFi端选择索引编号为9、11或索引编号为9、10的数据子载波建立与ZigBee的直接通信;
步骤二:获取接收端解码窗口大小及发射端的能级调制个数;
S22:通过预训练获取发射能级调制个数;初始发射能级个数为K0,发送端根据接收端反馈的信道质量调整发送端发射能级个数:K=K0±b,b=1,2,3…;
S23:根据发射端可调制的能级个数K,一个解码窗口可解码log2Kbit的信息,通过预先不断的实验训练得到合适的发射能级个数与解码窗口大小,以实现对吞吐量与解码准确率之间的最佳平衡;
步骤三:发射端依照能级编码方式对待发送的数据包进行编码;
S31:WiFi到ZigBee方向的跨网通信,通过调整WiFi发送端的发射能级,使得同频段ZigBee的RSSI值发生变化,建立起WiFi到ZigBee的直连通信;
S32:ZigBee到WiFi方向的跨网通信,巷道中所部署的ZigBee节点作为发送端,根据预设的编码能级进行编码,实现CTC信息传输;
步骤四:接收端根据信道质量自适应调整接收窗口大小或通过反向CTC的方式告知发送端调整发射能级的个数;
设置两个阈值①和②,当接收端测得信噪比低于预设阈值①时,表明信道质量较差,接收端提高解码窗口大小或通过反向CTC方式告知发送端减少发射端能级编码个数,以保障解码的准确率;当接收端测得信噪比高于预设阈值②时,表明信道质量较好,接收端降低接收端解码窗口大小或通过反向CTC方式告知发送端提高发射端能级编码个数,以提高***吞吐量;当接收端测得信噪比高于预设阈值①且低于预设阈值②时,接收端接码窗口大小与发送端能级调制个数保持不变;
步骤五:接收端通过分析RSSI或CSI进行解码,实现CTC的信息传输;
S51:WiFi到ZigBee方向的跨网通信,接收端利用RSSI进行解码,ZigBee端通过扫描该频段获取RSSI取值,捕获WiFi数据包的能量,随后在解码窗口内根据预设的解码阈值,判别WiFi数据包所属能级,最终解码得到传递的0、1序列值;
S52:ZigBee到WiFi方向的跨网通信;先通过CSI采集设备配合相应的采集工具,获得包含幅度与相位信息的原始CSI信息;随后对原始CSI信息进行滤波处理、特征提取操作;接着利用机器学习方法进行训练,获得最佳的训练模型,用于对后续的输入进行解码;最后,应用训练模型,对新的输入做出响应,得到ZigBee到WiFi方向的CTC解码信息。
4.根据权利要求3所述的一种井下巡检机器人的信息传输方法,其特征在于,步骤五的S51中,RSSI值通过IEEE802.15.4的无线电CC2420芯片内部的RSSI寄存器获取。
5.根据权利要求4所述的一种井下巡检机器人的信息传输方法,其特征在于,步骤五的S51中,在解码过程中,只解码窗口中2/3以上的RSSI值满足预设的解码阈值条件,即可解码为对应的CTC信息。
6.根据权利要求5所述的一种井下巡检机器人的信息传输方法,其特征在于,步骤五的S52中,特征提取过程主要包括均值、范围、方差三个特征值的提取。
7.根据权利要求6所述的一种井下巡检机器人的信息传输方法,其特征在于,步骤五的S52中,CSI采集设备由无线AP模块配合Intel 5300或AR9580无线网卡组成,或者由无线AP模块配合USRP设备组成,或者由无线AP模块配合bcm4339或bcm4358无线网卡组成。
8.根据权利要求7所述的一种井下巡检机器人的信息传输方法,其特征在于,步骤五的S52中,当WiFi接收端采用Intel 5300网卡时,机器学习的分类算法选用核朴素贝叶斯分类器;WiFi接收端采用bcm4339网卡时,机器学习的分类算法选用SVM分类器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210408170.8A CN114760713B (zh) | 2022-04-19 | 2022-04-19 | 一种井下巡检机器人的信息传输***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210408170.8A CN114760713B (zh) | 2022-04-19 | 2022-04-19 | 一种井下巡检机器人的信息传输***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114760713A true CN114760713A (zh) | 2022-07-15 |
CN114760713B CN114760713B (zh) | 2024-04-09 |
Family
ID=82331766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210408170.8A Active CN114760713B (zh) | 2022-04-19 | 2022-04-19 | 一种井下巡检机器人的信息传输***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114760713B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7359311B1 (en) * | 2003-04-18 | 2008-04-15 | Cisco Technology, Inc. | Decoding method and apparatus using channel state information for use in a wireless network receiver |
CN106533623A (zh) * | 2016-11-17 | 2017-03-22 | 清华大学 | 跨协议通信方法及装置 |
CN106870003A (zh) * | 2015-12-13 | 2017-06-20 | 范洪国 | 一种基于物联网的矿井智能巡检机器人控制*** |
CN107682830A (zh) * | 2017-09-27 | 2018-02-09 | 清华大学 | 一种ZigBee到WiFi的通信方法及装置 |
CN110937356A (zh) * | 2019-11-27 | 2020-03-31 | 中国矿业大学 | 一种深井长距离运输皮带无线通信装置及方法 |
CN112087286A (zh) * | 2020-09-18 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 跨协议通信方法、装置、计算机设备和存储介质 |
-
2022
- 2022-04-19 CN CN202210408170.8A patent/CN114760713B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7359311B1 (en) * | 2003-04-18 | 2008-04-15 | Cisco Technology, Inc. | Decoding method and apparatus using channel state information for use in a wireless network receiver |
CN106870003A (zh) * | 2015-12-13 | 2017-06-20 | 范洪国 | 一种基于物联网的矿井智能巡检机器人控制*** |
CN106533623A (zh) * | 2016-11-17 | 2017-03-22 | 清华大学 | 跨协议通信方法及装置 |
CN107682830A (zh) * | 2017-09-27 | 2018-02-09 | 清华大学 | 一种ZigBee到WiFi的通信方法及装置 |
CN110937356A (zh) * | 2019-11-27 | 2020-03-31 | 中国矿业大学 | 一种深井长距离运输皮带无线通信装置及方法 |
CN112087286A (zh) * | 2020-09-18 | 2020-12-15 | 腾讯科技(深圳)有限公司 | 跨协议通信方法、装置、计算机设备和存储介质 |
Non-Patent Citations (4)
Title |
---|
袁晓光: "煤矿井下巷道巡检机器人***研究", 中国优秀硕士学位论文全文数据库 工程科技 I 辑, 15 March 2022 (2022-03-15) * |
袁晓光: "煤矿井下巷道巡检机器人***研究", 中国优秀硕士学位论文全文数据库 工程科技I辑, pages 2 * |
赵杰等: "基于无线传感的井下搜救机器人监测***", 制造业自动化 * |
赵杰等: "基于无线传感的井下搜救机器人监测***", 制造业自动化, 10 February 2012 (2012-02-10) * |
Also Published As
Publication number | Publication date |
---|---|
CN114760713B (zh) | 2024-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2022133866A1 (en) | Apparatuses and methods for communicating on ai enabled and non-ai enabled air interfaces | |
CN1829138B (zh) | 自适应多输入多输出发送接收***及其方法 | |
CN109688596B (zh) | 一种基于noma的移动边缘计算***构建方法 | |
US20220353725A1 (en) | Channel measurement method and apparatus | |
US8064538B2 (en) | Communication device and communication method | |
CN114731323B (zh) | 多输入多输出mimo***的检测方法和装置 | |
WO2017067379A1 (zh) | 一种下行数据传输方法、设备及*** | |
US10129789B2 (en) | Methods for encoding and decoding frames in a telecommunication network | |
US20230136416A1 (en) | Neural network obtaining method and apparatus | |
Su et al. | A novel DCT-based compression scheme for 5G vehicular networks | |
CN103297112A (zh) | 一种利用分布式天线接收数据的方法及装置 | |
CN104105133A (zh) | 分布式基站及分布式基站中数据处理的方法和装置 | |
CN107911150B (zh) | 一种无线携能协作通信方法 | |
CN113709813A (zh) | 一种用于nr小基站基带合并的方法和*** | |
CN114760713B (zh) | 一种井下巡检机器人的信息传输***及方法 | |
CN107733488B (zh) | 一种大规模mimo***中注水功率分配改进方法及*** | |
CN106254039B (zh) | 一种广义空间调制***的天线选择方法 | |
Elwekeil et al. | Deep learning based adaptive modulation and coding for uplink multi-user SIMO transmissions in IEEE 802.11 ax WLANs | |
CN101989867B (zh) | 一种协作通信的方法和***、基站及移动终端装置 | |
CN113556159A (zh) | 一种大规模mimo多用户***的信道反馈方法 | |
de Souza et al. | Code rate, frequency and SNR optimization for energy efficient underwater acoustic communications | |
CN107231203B (zh) | 基于分布式60GHz室内通信***的BER分析方法 | |
CN112994870A (zh) | 面向全双工d2d通信的电力设备发送功率优化方法及装置 | |
WO2023202514A1 (zh) | 一种通信方法及装置 | |
WO2023198018A1 (zh) | 一种上行信号发送、接收方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |