近年来，无线传感器网络(Wireless Sensor Networks，WSN)和多传感器信息融合(Multi-Sensor Information Fusion)技术被广泛应用于交通监控、环境监测和目标跟踪等领域。WSN作为一种集感知、计算和通信功能于一体的新型无线网络，在矿井监测与安全监控领域也发挥着重要作用。然而，关于矿井瓦斯释放源定位问题的研究较少。
瓦斯释放源跟踪与定位问题的本质是通过对多源传感器节点采集的信号序列进行统计分析，获取释放源状态的观测信息，从而实现对瓦斯释放源的状态估计，其中瓦斯释放源状态包括目标位置、瓦斯释放率、运动速率(风速)及加速度(风向)。
对线性高斯情况下的目标跟踪定位，可用卡尔曼滤波解决。由于矿井瓦斯扩散问题是非线性、非高斯过程，所以难以通过常规方法准确地建立监测区域的全局扩散模型，但对于局部区域可基于湍流扩散理论推导出相对简化的气体释放源扩散模型。目前，常采用的方法是模型线性化，即利用高斯分布函数的线性联合多项式近似描述，但此方法存在一定的误差。前人大多将粒子滤波(Particle Filter，PF)算法运用到瓦斯释放源定位研究，通过预估瓦斯气体扩散粒子的概率分布实现对矿井瓦斯释放源定位。
中国矿业大学(北京)机电与信息工程学院张帆副教授团队以煤矿井下的气体释放源为研究基础，结合煤矿井下的特定环境，针对综放工作面采空区的瓦斯进行研究。首先通过分析综放工作面采空区瓦斯分布规律，建立矿井采空区传感器观测模型与瓦斯释放源扩散模型，然后采用混合卡尔曼粒子滤波算法(Mixed Kalman Particle Filter，MKPF)对采空区瓦斯释放源参数进行估计，并依据迭代运算得到估计参数的坐标位置，最后通过无线传感器目标源感知节点与簇头节点的数据融合，实现瓦斯释放源的精确定位。
采空区无线传感器随机分布
采空区瓦斯释放源扩散图
仿真实验给出的仿真结果显示，在相同矿井巷道、相同风速和风向条件下，MKPF 算法在估计参数精度上均优于PF，EKPF，UPF 算法。将MKPF 算法应用于矿井瓦斯释放源定位系统，可提高释放源定位精度，这为采空区瓦斯突出预警及瓦斯抽采提供理论参考依据。
最后，研究人员指出，通过仿真实验验证了算法的有效性和可靠性，然而本算法仿真实验是假设系统工作在二维环境下的定位，在实际三维环境中的算法表现，有待于进一步验证。
这项研究得到了国家重点研发计划、国家自然科学基金的资金支持。
