Smart Localization in Underground Mines using Fingerprinting and ANNs: Strategies and Applications

Les mines souterraines sont connues pour l’adversité de leurs milieux de propagation sans fil; une adversité qui pose de très grands défis au déploiement des systèmes de communication sans fil. Bien que l’exploitation minière soit florissante, les mines d’or souterraines sont toujours critiquées pour leurs mesures de sécurité désuètes. Notre mission dans les mines souterraines provient de la nécessité d’un système de localisation fiable qui réussit à localiser avec précision les mineurs et leur équipement dans les entrailles de la Terre. Après avoir étudié les raisons de l’échec des techniques de localisation traditionnelles dans les mines souterraines, nous recommandons une technique efficace qui utilise les réseaux de neurones artificiels (RNA) et les empreintes digitales extraites de la réponse impulsionnelle du canal (RIC). L’essence de ce travail réside dans sa capacité à repousser les limites de performance des techniques de positionnement basées sur les RNA en intégrant les concepts de diversité de transmetteur (Tx) et récepteur (Rx) spatiale et/ou temporelle dans les empreintes digitales avant d’estimer la position d’un émetteur dans le confinement des tunnels souterrains. En faisant cela, nous établissons les principes de localisation coopérative dans le domaine des RNA en utilisant les empreintes digitales concaténées qui sont extraites de plus d’un point d’accès, à plusieurs instances temporelles, en utilisant des systèmes d’antenne simples ou doubles. En conséquence, de nouvelles techniques d’empreintes, qui exploitent les diversités spatiales et/ou temporelles des signatures rassemblées, sont introduites pour la première fois avec des erreurs de positionnement remarquables de moins de 50 cm dans 90 % des cas. Les nouvelles techniques de positionnement basées sur les empreintes digitales sont par la suite optimisées pour utiliser moins d’échantillons dans le but d’identifier un compromis de précision qui minimise la complexité et le coût d’acquisition d’empreintes digitales. Avec moins de la moitié des échantillons, nous démontrons que les RNA, s’ils sont bien conçus, peuvent interpoler et estimer précisément (spatialement et/ou temporellement) les empreintes digitales qui n’ont pas été vues par les RNA dans le processus d’entrainement. Les réalisations présentées dans cette recherche montrent que la localisation basée sur la RIC peut atteindre jusqu’`a 75 % de gains en précision en exploitant la diversité spatiale et/ou temporelle en présence de systèmes d’antennes doubles, tout en réduisant le coût de la collecte d’échantillons de moitié. Underground gold mines are known for their disruptive indoor channels that challenge the deployment of wireless communication systems by severely distorting their wireless transmitted signals. Although mining is among the most booming industries, yet underground gold mines are still criticized for their outdated safety and security measures. Our mission in underground mines stems from the profound need of a reliable localization system that succeeds to accurately localize miners and their equipment in one of earth’s most dangerous entrails. After studying the reasons behind the failure of traditional localization techniques in underground mines, we recommend an effective localization technique that uses Artificial Neural Networks (ANNs) and fingerprints extracted from the channel’s impulse response (CIR). The essence of this work lies in its ability to push the performance limits of ANN-based positioning techniques by integrating the concepts of Tx and Rx spatial and/or temporal diversities in fingerprints prior to estimating a transmitter’s position in the confinement of underground tunnels. By doing so, we lay down the guidelines of cooperative localization in the realm of ANNs using concatenated fingerprints which are extracted from more than one access point, at multiple time instances, using single or dual antenna systems. As a result, new fingerprinting techniques, that exploit spatial and/or temporal diversities of the collected signatures, are introduced for the first time with outstanding positioning errors of less than 50 cm 90% of the time. The novel fingerprint positioning techniques are then optimized to use less data measurements in an effort to trade-off pinpoint accuracy for lower complexity and fingerprint-acquisition cost. By using less than half of the measurement campaign’s data, we prove that ANNs, if well designed, may interpolate and precisely estimate spatially and/or temporally diverse fingerprints taken from measurement gaps not seen by ANNs in the training process. The new realizations of this research show that CIR-based localization may attain up to 75% accuracy gains when exploiting spatial and/or temporal diversities in the presence of dual antenna systems while, at the same time, cutting down the measurement campaign’s cost in less than half.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.